通过标注规则和实例进行交互式机器教学
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了弱监督学习中数据标注成本高的问题,提出了一种交互式学习框架INTERVAL,优化了专家有限时间的有效利用。通过探索现有标注规则,我们发现规则的准确性比覆盖率更为重要,并证明了规则创建与实例标注在多个数据集上的重要性。INTERVAL在6个数据集上比最先进的弱监督方法提高了7%的F1值,且仅需10次专家反馈查询便能达到现有主动学习方法100次查询所无法匹配的F1值。
本研究提出了交互式学习框架INTERVAL,解决了弱监督学习中数据标注成本高的问题。INTERVAL通过优化专家有限时间的利用,提高了多个数据集上的F1值。仅需10次专家反馈查询便能达到现有主动学习方法100次查询所无法匹配的F1值。