噪声标记相关论文
监督学习是应用最为广泛的机器学习范式之一,监督学习算法可以在数据驱动下有效地学习特征空间到标记空间的映射关系。但当训练数......
深度学习的成功依赖于大规模具有精确标记的数据。获取数据真实标记需要大量人力物力,代价昂贵。实际应用中标记通常由众包等廉价......
在标准偏标记学习框架下,每个对象由单个特征向量进行刻画,同时与多个候选标记相关联,其中仅有一个未知的真实标记。另一方面,在真......
多标记学习是监督学习中一项基础且重要的任务。随着机器学习和深度学习技术的蓬勃发展,多标记学习成功地应用在信息检索、推荐系......
机器学习中的分类学习旨在利用已知类别的训练样本进行模型的训练,从而能用该模型来预测未知样本的类别。根据样本的不同类别设置,......
今天,机器学习的方法被运用在各行各业,取得了很多的成果。但是,在很多现实的机器学习场景中,大量样本数据缺少标记,甚至会出现许......
根据统计结果，从阅读角度对网页页面空间的构成进行了噪声与信息实体的划分与判断，改进了传统的DOM模型，增加了层次与样式等属性作为......
Web上的信息很多存储在HTML页面上,传统的网页数据抽取方法是使用包装器(Wrapper)来抽取网页中感兴趣的数据。包装器所需的信息模......
深度学习的迅速发展需要大量有标记数据的支持,而实际数据中往往带有未知比例的噪声标记,会直接影响分类器的最终结果。针对数据集......
