labeling functions | BriefGPT

关键词labeling functions

搜索结果 - 12

利用大型语言模型进行提示弱监督中的结构学习
利用大型预训练语言模型作为弱监督框架中标记函数的基础，通过扩展语言模型在循环中的应用来解决弱监督的主要挑战之一：学习监督来源之间的统计依赖结构。我们提出了一种结构细化模块的简单而有效的方法，通过利用嵌入空间中的内在结构，通过询问语言模型来评
PDF5 months ago
ICLR学习超标签模型以进行编程式弱监督
本文提出一种超级标签模型，通过程序化弱监督方法中的标注函数抽象出来产生训练标签，可以在单个前向传递中推断出每个数据集的基本真实标签。使用了图神经网络，使模型预测对标签函数排列的顺序保持不变，从而在 14 个真实世界中的数据集上表现得比现有的
PDF2 years ago
循环中的语言模型：将提示融入弱监督
本研究提出使用大型预训练语言模型进行弱监督学习的策略，并使用 Snorkel 系统去噪声标签，得到的训练数据可提高分类器的准确性，相比于零样本方法，错误率平均降低 19.5%。此外，该方法所得分类器的准确度相当或高于手动设置的规则。
PDF2 years ago
WeaNF: 基于归一化流的弱监督
本文探讨生成式建模弱监督中的新方向，即通过正则化流为每个弱标记源或标记函数估计密度，同时捕捉标记函数重叠和相关性现象，并在各种弱监督数据集上进行分析比较。结果表明，弱监督正则化流相对于标准弱监督有更好的效果。
PDF2 years ago
ACL学习强健的聚合标注函数进行半监督数据编程
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
PDF3 years ago
EMNLPKnowMAN: 弱监督多项式对抗网络
通过利用标注函数对弱监督学习进行控制，我们提出了 KnowMAN 方法，该方法避免过度依赖标注函数所捕捉到的特定信号，从而改善与预训练转换器语言模型和基于特征的基线相比的结果。
PDF3 years ago
ICLR多源不精确弱监督模型中的依赖结构错误
通过数据编程（DP）的实验，揭示了标记数据的昂贵成本。 DP 使用的标记函数（LF）定位于领域知识，可以带有复杂的依赖性，用于标记一部分数据，并在 LF 随后训练标签模型。标签模型根据 LF 生成对未知分类标签的估计。本文研究了标记模型结构
PDF3 years ago
弱监督学习的约束标注
本文提出了一种基于约束空间的弱监督学习方法，将不同的弱监督信号结合起来进行训练，在文本分类和图像分类任务中优于其他方法。
PDF4 years ago
AAAI基于连续和质量引导标记函数的数据编程
该论文提出了一种名为 CAGE 的方法，它是一种基于数据编程范 Paradigm 的算法。它通过支持输出与标签不确定相关的连续分数的函数，以增强和推广现有的 data programming 范 Paradigm，使程序更加自然且具有更好的
PDF5 years ago
Snorkel：利用弱监督实现快速训练数据创建
Snorkel 是一个无需手动标记数据的系统，它基于数据编程的机器学习范式实现了自动去噪，用户可以编写任意启发式函数以训练最先进的模型。在与美国退伍军人事务部和美国食品和药品管理局的两次合作以及代表其他部署的四个开源数据集上，Snorkel
PDF7 years ago
数据编程：快速创建大规模训练集
为解决有限数据训练集的问题，本研究提出一种名为 Data Programming 的范式，通过弱监督策略和领域启发式标注函数生成训练集，以生成模型表示训练集的标注过程并降噪，探讨数据编程在监督学习中的应用及在 TAC-KBP 数据集上的检测
PDF8 years ago
多源适应与 Renyi 散度
通过 Renyi 离散度的概念，本文对多源适配的一般问题进行了新颖的理论研究，扩大了之前的多源损失保证的范围，并分析了多种情况，包括未知目标分布和标注函数不同的情况，通过实验表明基于 Renyi 离散度的保证的性能优越。
PDF12 years ago