BriefGPT.xyz
Ask
alpha
关键词
positive-unlabeled learning
搜索结果 - 24
ACL
使用正 - 未标记学习进行远程监督的命名实体识别
提出一种新的 PU 学习算法，用于使用未标记的数据和命名实体词典执行命名实体识别任务，该方法不需要词典标记每个句子中的所有实体，也不需要词典标记构成实体的所有单词。通过对四个公共 NER 数据集的实证研究，证明了该方法的有效性。
PDF
5 years ago
重访样本选择方法：正无标签学习的应用 —— 将无标签数据转化为正而非负
本文提出了一种基于深度网络记忆特性的新样本选择方法，将大损失的未标记数据标记为 P，并开发了一种能够适当处理此种偏见数据的学习目标，实验证实了该方法在正无标注学习中的卓越表现 。
PDF
5 years ago
ICML
正样本、无标记样本和有偏负样本数据分类
本文提出一种新的分类框架来解决二元分类中负数据种类过于多无法完全标注的情况，并引入一种基于实验风险最小化的方法来解决这个问题，方法中使用的每个示例的权重是通过受到正例样本 - 未标记负例样本学习的启发式预处理步骤计算的，并针对所提出的方法导
→
PDF
6 years ago
用于冷冻电子显微图中粒子拾取的正负样本卷积神经网络
本文提出了一种基于神经网络，结合未标记样本的 PU 学习框架来进行高效准确颗粒自动挑选的方法 Topaz，并展示其在三个公共 cryoEM 数据集中的应用能够获得比已有方法更高的重构分辨率，尤其是对于非球形蛋白等难以处理的数据集。
PDF
6 years ago
Prev
Next