在程序化弱监督中利用实例特征进行标签聚合
机器学习
2022-10-11 v2 统计方法学
机器学习
摘要
程序化弱监督（PWS）已成为一种广泛使用的范式，可高效合成训练标签。PWS 的核心组件是标签模型，它通过聚合多个噪声监督源（抽象为标注函数，LFs）的输出来推断真实标签。现有的统计标签模型通常仅依赖 LF 的输出，在建模底层生成过程时忽略了实例特征。本文中，我们尝试通过所提出的 FABLE 将实例特征纳入统计标签模型。具体而言，它构建于贝叶斯标签模型的混合之上，每个模型对应一种相关的全局模式，且混合分量的系数由基于实例特征的高斯过程分类器预测。我们采用基于辅助变量的变分推断算法来处理高斯过程与贝叶斯标签模型之间的非共轭问题。在十一个基准数据集上的大量实证比较表明，FABLE 在九个基线中取得了最高的平均性能。
引用
@article{arxiv.2210.02724,
title = {Leveraging Instance Features for Label Aggregation in Programmatic Weak Supervision},
author = {Jieyu Zhang and Linxin Song and Alexander Ratner},
journal= {arXiv preprint arXiv:2210.02724},
year = {2022}
}
备注
16 pages