Q&A Label Learning

要約

【タイトル】Q&A Label Learning

【要約】
– 監視されるインスタンスのラベル付けは、監視付き機械学習において重要である。
– 本論文では、インスタンスのラベルに関する質問を生成する質問ジェネレータと、その質問に答えて対応するラベルを割り当てるアノテータから構成されるQ&Aラベリングという新しいアノテーション方法を提案した。
– 質問が尋ねられ答える方法によって異なる2つのQ&Aラベリング手法に基づき、割り当てたラベルの生成モデルを導出した。
– 従来の研究と異なる点は、ラベルの生成モデルが仮定されたものではなく、特定のアノテーション方法であるQ&Aラベリングの定義に基づいて導かれたことである。
– インスタンスにQ&Aラベルを割り当て、通常の監視付き機械学習の分類リスクを評価するための損失関数を導出し、分類誤差の上限を評価した。
– 結果は、Q&Aラベルを用いた学習において統計的な一貫性があることを示している。

要約(オリジナル)

Assigning labels to instances is crucial for supervised machine learning. In this paper, we proposed a novel annotation method called Q&A labeling, which involves a question generator that asks questions about the labels of the instances to be assigned, and an annotator who answers the questions and assigns the corresponding labels to the instances. We derived a generative model of labels assigned according to two different Q&A labeling procedures that differ in the way questions are asked and answered. We showed that, in both procedures, the derived model is partially consistent with that assumed in previous studies. The main distinction of this study from previous studies lies in the fact that the label generative model was not assumed, but rather derived based on the definition of a specific annotation method, Q&A labeling. We also derived a loss function to evaluate the classification risk of ordinary supervised machine learning using instances assigned Q&A labels and evaluated the upper bound of the classification error. The results indicate statistical consistency in learning with Q&A labels.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI