Label Propagation with Weak Supervision

要約

タイトル：弱監視を用いたラベル伝播

要約：
– 半教師あり学習と弱教師あり学習は、現在の機械学習アプリケーションにおいてラベル付きデータの需要を減らすことを目的とする重要なパラダイムである。
– 本論文では、ラベルが付けられていないデータについての確率的な予測ラベルを有用な事前情報として活用する、古典的なラベル伝播アルゴリズムの新しい解析を紹介する。
– 地理的なグラフの局所的な性質と事前情報の質の両方を利用したエラーバウンドを提供する。
– 複数のノイズ情報源を組み合わせるためのフレームワークを提案する。特に、弱監視の設定を考慮し、情報源として弱ラベラーを使用する。
– 既存の半教師あり学習と弱教師あり学習法に比べて改善点を示しながら、複数のベンチマーク弱教師あり分類タスクでアプローチの能力をデモンストレーションする。

要約(オリジナル)

Semi-supervised learning and weakly supervised learning are important paradigms that aim to reduce the growing demand for labeled data in current machine learning applications. In this paper, we introduce a novel analysis of the classical label propagation algorithm (LPA) (Zhu & Ghahramani, 2002) that moreover takes advantage of useful prior information, specifically probabilistic hypothesized labels on the unlabeled data. We provide an error bound that exploits both the local geometric properties of the underlying graph and the quality of the prior information. We also propose a framework to incorporate multiple sources of noisy information. In particular, we consider the setting of weak supervision, where our sources of information are weak labelers. We demonstrate the ability of our approach on multiple benchmark weakly supervised classification tasks, showing improvements upon existing semi-supervised and weakly supervised methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI