PRICAI 2016国际人工智能大会论文解析 | 改善基于图表半监督学习的实例选择方法

导读：PRICAI 2016是环太平洋国际人工智能会议 ，每两年举行一次，大会专注于人工智能的理论，技术及其在社会领域的应用，和其对于太平洋沿岸国家经济的重要性。

改善基于图表半监督学习的实例选择方法（Instance Selection Method for Improving Graph-Based Semi-supervised Learning）

摘要：基于图表半监督学习（GSSL）是最重要的半监督学习（SSL）范式之一。尽管GSSL方法在很多情况下都有用，但在使用无标记数据时它可能会降低性能。本文中，我们提出了一种新的GSSL方法：基于实例选择的GSSLIS以降低性能恶化的可能性。我们的基础想法是给出一系列未标记的实例，利用所有未标记的实例并非是最好的方法；相反，我们应该利用那些有很高概率有助于改善性能的未标记实例，同时避免使用有高风险的未标记实例。大量的数据实验表明，我们提出的方法性能恶化的机会比大多数最优GSSL方法小得多。

关键词：基于图表的半监督学习·性能恶化·实例选择

第一作者简介

王海（Hai Wang）

职位：南京大学计算机科学与技术系理科硕士/LAMDA Group

研究方向：数据挖掘，机器学习

导师：李宇峰

职位:南京大学计算机科学与技术系博士助理研究员/LAMDA Group

研究方向：机器学习，数据挖掘，半监督学习，多实例学习，多标记学习等

相关出版物：

·Graph Quality Judgement: A Large Margin Expedition（IJCAI，2016）

·Kenerlized matrix factorization for collaborative filtering（SDM，2016）

Via：PRICAI 2016

 PS : 本文由雷锋网独家编译，未经许可拒绝转载！

论文原文下载