干货！基于元消歧的偏多标记学习

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

在偏多标记学习中，每一个示例与一个候选标记集相关，该候选集既包含多个真实标记，也包含其它噪声标记。为了解决偏多标记学习问题，现有方法往往基于对数据结构的额外假设来对候选标记集合进行消歧。然而，在实际任务中，这些假设通常难以成立，导致学得模型难以泛化到不同偏多标记分类任务中。本文提出了一种基于元消歧的偏多标记学习方法。与以往工作基于额外假设不同，我们首次引入元学习的方法来对候选标记进行消歧。一方面，通过最小化基于置信度加权的排序损失来学习个多标记分类器；另一方面，根据候选标记在少量验证集样本上的性能来自适应地估计其置信度。为了提高优化速率，我们提出使用在线优化策略来迭代地更新这两个步骤。在不同数据集上大量的实验证明了提出方法的有效性。

本期AI TIME PhD直播间我们邀请到南京航天航空大学计算机系博士生——谢明昆，为我们带来报告《基于元消歧的偏多标记学习》。

谢明昆：

南京航空航天大学计算机专业一年级在读博士生，导师为黄圣君教授。主要研究方向为机器学习和数据挖掘，包括弱监督学习，多标记学习等。以第一作者在包括TPAMI, NeurIPS, KDD, AAAI等国际期刊和会议上发表多篇论文。

01

 背  景 

（1） 什么是多标记学习？

常规的监督学习，每个示例只有一个真实标记，而在多标记学习中，每个示例同时与多个标记相关。