文本成员查询

人工数据标注可能非常耗时且昂贵，然而在许多情况下它对学习过程的成功至关重要。为最小化人工标注工作，我们提出一种不依赖现有未标注数据来源的新型主动学习方案。它使用少量标注数据作为核心集，用于合成有用的成员查询（MQs）——即由算法生成供人工标注的未标注实例。我们的方案使用修改算子，即在一定程度上修改实例的函数。我们将算子应用于一小部分实例（核心集），创建一组新的成员查询。利用该框架，我们将实例空间视为搜索空间并应用搜索算法，以生成与学习器高度相关的新示例。我们在文本领域实现了该框架，并在若干文本分类任务上进行了测试，结果表明随着更多 MQs 被标注并纳入训练集，分类器性能得到提升。据我们所知，这是首个关于文本领域成员查询的工作。