Learning from Semi-Supervised Weak-Label Data理解

Hao-chen Dong, Yu-Feng Li, Zhi-Hua Zhou. 2018 AAAI.

前言

前一阵子读了几篇关于深度学习应用在智慧教育上的论文，对“可解释性”又有了些疑问。于是，这次读了篇使用机器学习方法研究半监督弱标签的论文，换个思路去思考问题。

首先，来看看什么是半监督弱标签问题（semi-supervised weak-label, 以下简称为SSWL）？SSWL是多标签学习（每个样本可能有多个标签）的一种，即样本中部分样本没有标签，且有标签的样本标签不全。其它多标签学习方法有监督多标签学习（supervised multi-label learning）、半监督多标签学习（semi-supervised multi-label learning）和弱标签学习（weak-label learning）。本文给出了这些方法的对比，如下图1所示。

图1：多标签学习

问题定义与求解

本文使用的符号如下图2所示。研究问题是基于实例特征矩阵 X X