问答式标注学习
机器学习
2025-05-20 v1 机器学习
摘要
为样本分配标签对于有监督机器学习至关重要。本文提出一种称为问答标注的新型标注方法,该方法包含一个问题生成器,其针对待分配标签的样本提问,以及一个标注者,其回答问题并将相应标签分配给样本。我们推导了依据两种不同问答标注过程(在提问与回答方式上有所区别)分配标签的生成模型。我们表明,在两种过程中,所推导的模型与先前研究中所假设的模型部分一致。本研究与先前研究的主要区别在于,标签生成模型并非被假设,而是基于特定标注方法(问答标注)的定义推导得出。我们还推导了一种损失函数,用于评估使用问答标签分配的样本进行普通有监督机器学习的分类风险,并给出了分类误差的上界。结果表明问答标签学习具有统计一致性。
引用
@article{arxiv.2305.04539,
title = {Q&A Label Learning},
author = {Kota Kawamoto and Masato Uchida},
journal= {arXiv preprint arXiv:2305.04539},
year = {2025}
}
备注
46 pages, 5 figures