融合语义差别和流型学习的偏标记学习方法

  • 打印
  • 收藏
收藏成功


打开文本图片集

摘 要:偏标记学习是一种重要的弱监督学习框架。在偏标记学习中,每个实例与一组候选标记相关联,它的真实标记隐藏在候选标记集合中,且在学习过程中不可获知。为了消除候选标记对学习过程的影响,提出了一种融合实例语义差别最大化和流型学习的偏标记学习方法(partial label learning by semantic difference and manifold learning,PL-SDML)。(剩余15550字)

目录
monitor
客服机器人