基于一致性假设的偏标记学习算法

作者：唐才智; 张敏灵

来源：模式识别与人工智能, 2016, 29(12): 1140-1146.

DOI：10.16451/j.cnki.issn1003-6059.201612010

• 偏标记学习
• 一致性
• 弱监督学习
• 消歧策略

解决偏标记问题的基本策略是消歧,现有的消歧策略大都分别对每个示例单独进行消歧,并未充分利用示例之间的相关性.基于此原因,文中提出一致性偏标记学习算法(COPAL).该算法基于一个基本假设:相似示例的标记也应该有相关性.基于该假设,COPAL在消歧过程中同时考虑样本自身及其近邻样本的标记信息.实验表明,在人工合成的UCI数据集和真实数据集上,COPAL均取得较好的泛化性能.

• 单位
  东南大学