《偏標記學習的研究》是依託東南大學，由張敏靈擔任項目負責人的面上項目。
基本介紹
- 中文名：偏標記學習的研究
- 項目類別：面上項目
- 項目負責人：張敏靈
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
弱監督學習是國際機器學習界的熱點研究領域，而偏標記學習是一類重要的弱監督機器學習框架。在偏標記學習框架下，每個對象可同時具有多個候選標記，但其中僅有一個標記反映了對象的真實語義。本項目圍繞偏標記對象學習建模，從以下幾個方面對偏標記學習開展深入研究：1、提出基於近鄰學習的偏標記學習方法，從而充分利用非參數化技術處理偏標記對象；2、提出基於非消歧策略的偏標記學習方法，從而克服偏標記對象偽標記對現有消歧策略帶來的負面影響；3、提出類別不平衡偏標記學習方法，從而緩解樣本分布不平衡對偏標記對象學習建模帶來的困難；4、提出基於類屬屬性的偏標記學習方法，從而在輸入空間更好地刻畫偏標記對象的性質；5、提出基於問題轉換的偏標記學習方法，從而為偏標記對象學習建模探索新的途徑。基於以上研究內容，本項目將在重要國際期刊/會議和國內一級學報等發表高質量論文8-10篇，申請國家發明專利兩項，培養碩/博士研究生多名。
結題摘要
偏標記學習是一類重要的弱監督機器學習框架，在該框架下，每個對象同時具有多個候選標記但其中僅有一個標記為其真實標記。本項目圍繞偏標記對象學習建模開展研究，主要研究內容包括：1、為充分利用非參數化技術處理偏標記對象，提出了一種基於近鄰學習的偏標記學習方法；2、為克服偏標記對象偽標記對現有消歧策略帶來的負面影響，提出了一種基於非消歧策略的偏標記學習方法；3、為緩解樣本分布不平衡對偏標記對象學習建模帶來的困難，提出了一種類別不平衡偏標記學習方法；4、為在輸入空間更好地刻畫偏標記對象的性質，提出了一種基於類屬屬性的偏標記學習方法；5、為探索偏標記對象學習建模新途徑，提出了一種基於問題轉換的偏標記學習方法。針對上述研究內容，項目組基於相關研究方案開展工作，完成了原定研究計畫和目標。基於本項目成果，共發表學術論文18篇，包括《IEEE Trans. KDE》、《Machine Learning》、《中國科學：信息科學》等重要學術期刊，以及KDD、AAAI、IJCAI等重要國際會議。申請國家發明專利8項。項目負責人應邀擔任ACML'18大會主席，PAKDD'19、ACML'17、PRICAI'16等程式主席，合作組織ICDM'19專題workshop，任國內外學術會議特邀報告人3次。本項目成果已被國際同行引用300餘次，引用源包括重要國際期刊/會議如《IEEE Trans. PAMI》、《IEEE Trans. KDE》、AAAI等。培養博/碩士研究生若干。
