主动式学习策略研究综述
2013-08-22张剑潘晓衡袁华强
计算机光盘软件与应用 2013年11期
张剑 潘晓衡 袁华强
摘 要:近年来,主动式学习策略越来越受到研究者们的关注,并且有了许多重要的研究成果。其核心思想是通过选择有效的训练样本,使得机器学习算法能在使用更少训练数据的情况下,同样能达到良好的性能。首先对有关研究成果进行综述,然后展望未来主动式学习策略可能的应用前景。
关键词:主动式学习;确定性原则;成员性原则;样本选择;支持向量机
中图分类号:G42
随着互联网技术的广泛应用,人们接触到的网络资讯日益膨胀,高效地处理海量信息并从中挖掘出有用信息的需求,显得日益迫切。研究者们提出了各种高效的机器学习算法,通过计算机进行信息处理与挖掘。但是这些机器学习算法的性能,却有赖于训练数据的质量和数量。所以标注训练数据的人工成本往往就成为机器学习算法应用的瓶颈。主动式学习策略提供了一种在保证机器学习算法性能的同时,通过选择有效未标注样本,进而最小化人工标注工作量的方法。主动式学习策略大体上可以分为(1)基于确定性原则[1][2];(2)基于成员性原则[3][4];两类主流方法。它们已经被广泛地应用于网络上的自然语言处理任务。下面将针对这两类现有的主动式学习策略方法及其应用的研究成果进行综述;然后对主动式学习策略的应用研究进行展望。
1 基于确定性原则的主动式学习策略及应用
应用基于确定性原则的主动式学习策略进行机器学习算法训练时,首先需要选择小部分样本进行标注,这些样本被称为种子样本;……
登录APP查看全文