BriefGPT - AI 论文速递
·
LLP-Bench：一种用于从标签比例学习的大规模表格基准
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种使用深度神经网络和新正则化层 Batch Averager 的方法，将有标注数据的深度神经网络转换为无标注学习的方法。作者通过 Twitter 用户的 tweets 和个人资料图片，预测 Twitter 用户的性别和种族 / 民族信息，并发现深度 LLP 方法在文本和图片分类方面均优于基线方法，并且协同训练算法可以将文本和图片分类的绝对 F1 值分别提高 4％和 8％。最后，采用文本和图片分类器的集合进一步平均提高了绝对 F1 值 4％。
🎯
关键要点
- 介绍了一种将有标注数据的深度神经网络转换为无标注学习的方法。
- 使用深度神经网络和新正则化层 Batch Averager。
- 提出了一种协同训练算法，支持由图片和文本组成的数据域。
- 通过 Twitter 用户的 tweets 和个人资料图片，预测性别和种族/民族信息。
- 深度 LLP 方法在文本和图片分类方面优于基线方法。
- 协同训练算法将文本和图片分类的绝对 F1 值分别提高 4% 和 8%。
- 采用文本和图片分类器的集合进一步平均提高了绝对 F1 值 4%。
🏷️
标签
➡️
