该研究采用数据编程方法，使用基于邻域的弱模型来扩充文本数据集，并通过迭代的过程从大量未标记的数据中鉴别出稀疏分布的例子，并以人为中心确认这些标记数据的过程中，不断改进新的弱模型。研究结果表明，该方法可以显著提高文本分类任务的准确性。

Feb, 2020

Adversarial Data Programming (ADP) presents an adversarial methodology to generate data and a curated aggregated label by using distant supervision signals in the form of weak labeling functions, which outperformed many state-of-the-art models on image datasets like MNIST, Fashion MNIST, CIFAR 10, and SVHN. The proposed ADP framework could also be extended for multi-task learning and transfer learning.

Mar, 2018

该研究提出了一种跨模态数据编程策略，包括自然语言处理技术，用于医学机器学习模型的训练标签生成，通过仅几小时的临床医师工作即可匹配或超越医师数月手动标注的效果，为医学机器学习模型的构建提供了更快、更灵活的方法。

Mar, 2019

通过将成对反馈信息纳入程序性标记数据集的潜在类变量建模过程中，即使只有很少数量的成对反馈信息源，也可以实现潜在类变量后验估计质量的显著提高。

Dec, 2019

提出 ActiveDP 框架，结合主动学习和数据编程，生成高准确性和覆盖率的标签，优于以往弱监督和主动学习方法，在不同标注预算下表现稳定。

Feb, 2024

本文提出了一种半监督的数据编程范式，使用规则 / 标注函数和半监督损失函数基于特征空间学习联合模型，此外，还研究了在联合半监督数据编程目标之上进行子集选择的模型，并在七个公开数据集上表现显著优于其他状态下的模型。

Aug, 2020

本文提出了一种统一的数据创建流程，只需一个格式示例，适用于包括传统上问题较多的任务在内的广泛范围，通过实验证明使用指令跟随型大型语言模型创建的数据比使用人工标注的数据在分布外评估上表现更好（高达 17.5%），同时在分布内任务上保持可比较的性能，这些结果对于在现实世界中部署的自然语言处理系统的稳健性具有重要意义。

Oct, 2023

本研究提出了一种基于标签数据和未标签数据的半监督学习技术，利用标签数据产生可解释的标签函数（LFs），再通过数据编程获得大量嘈杂的标注数据，有效避免了需要大量标注数据的问题，并利用一个鲁棒的双层优化算法进行 LF 重加权，并在多个文本分类数据集上展示了效果显著的优势。

Sep, 2021

本文介绍了一种名为 TagRuler 的新型工具，它可以用于没有编程知识的用户进行数据注释，并通过实验证明，使用该工具可以更高效派生出适用于处理不同 NLP span-level 注释任务的标签模型。

Jun, 2021

通过使用预训练语言模型，本研究介绍了 DataSculpt，一个利用 PLMs 自动生成 label functions 的交互式框架，并评估了其性能在 12 个现实世界的数据集上的表现。

Nov, 2023