EMNLPOct, 2019

仅从相关关键词和未标记文档中学习

PDF
TL;DR本文提出了一个理论上有保证的学习框架，用于无标签文档的分类问题，该框架可以灵活选择模型，并且有效地优化了接收器操作特征曲线下的面积，并在基准数据集上展示了其有效性。
document classificationunlabeled documentslearning frameworkreceiver operating characteristic curvebenchmark datasets
发现论文，激发创造
  • 多个未标记数据集的 AUC 优化

    本文研究如何从多个未标注数据集中构建一个 AUC 优化模型，提出了一种称为 U^m-AUC 的方法，将 U^m 数据转化为多标签 AUC 优化问题，可以有效地进行理论与实证研究。

    May, 2023

  • 基于正类未标记学习的半监督 AUC 优化

    本文提出了一种新的半监督 AUC 优化方法，不需要强限制假设，其基于正例和未标记数据的 AUC 优化方法（PU-AUC），并将其与监督 AUC 优化方法结合来实现半监督学习，理论证明了未标记数据对于 PU 和半监督 AUC 优化方法的泛化性能的改善有帮助，并通过实验证明了所提出方法的实用性。

    May, 2017

  • 仅使用标签名称的文本分类：基于语言模型的自训练方法

    本文探讨了只使用标签名训练分类模型的潜力，使用预训练的神经语言模型作为文档分类的表示学习模型，通过自学习的方式实现使用未标注数据实现对话题和情感分类超过 90% 的精确度。

    Oct, 2020

  • 一种强健的 AUC 最大化框架，同时进行异常值检测和特征选择用于正 - 未标注分类

    提出了一个强健的学习框架，它将 AUC 最大化，异常值检测和特征选择相结合，以解决正样本未标记（Positive-Unlabeled）分类问题。通过理论分析和实验验证，表明该模型是有效的。

    Mar, 2018

  • 何时略读何时深度阅读的学习

    本文介绍了两种方法以提高情感分类任务的计算效率：概率阈值方法和使用次级决策网络方法。实验表明，这两种方法都可以显著减少计算量并提高效率。

    Dec, 2017

  • 通过主动学习提高文本分类中的概率模型

    提出了一种将概率模型和主动学习结合起来的新算法，用于降低自动化文本分类的标注成本，实现对未标注数据和难分类文档的集中标注，性能可与最先进的方法相媲美，使用原有标注数据比最近发布的两篇研究中仅用一小部分标注数据得出的结论相同，并提供了 activeText 软件。

    Feb, 2022

  • 通过神经元正无标记学习实现文档集扩展的可扩展性评估和改进

    本研究提出了一种将信息检索 (IR) 扩展为正无标记 (positive-unlabeled, PU) 学习的方法，即从正样本数据 (即查询文档) 和非标记数据 (IR 引擎返回的结果) 中学习二元分类器，然后应用于文本分类问题中，该方法在 PubMed 文摘的细粒度主题提取中表现有效。

    Oct, 2019

  • 基于 AUC 的选择性分类

    本文提出了一种模型不可知的方法，将一个选择函数与给定的概率二元分类器相关联，以最优化 AUC，并且通过使用 AUCROSS 算法来取得成功，从而在交换覆盖率和 AUC 之间达到最佳平衡。

    Oct, 2022

  • 基于词典的无监督学习分类

    本文提出了一种基于词库的分类方法，并分析了其概率正确性和预期准确性。文章证明了通过利用两个文本库之间的共现统计信息可以学习出单词权重，从而实现轻度监督下的数据驱动分类。

    Nov, 2016

  • 基于动态数据过滤的训练可能不适用于自然语言处理数据集

    探讨了使用 Area Under the Margin（AUM）度量方法来识别和去除 / 修正自然语言处理数据集中错误标记的样本，表明该方法可以滤除 NLP 数据集中的错误标记，但也会去除大量正确标记点并导致大量相关语言信息的丧失。模型依靠分布信息而非依赖句法和语义表示。

    Sep, 2021