MétaCan
Menu
Retour à la cohorte
Enregistrement W21952029 · doi:10.12927/hcpap.2011.22560

Learnability of multi-instance multi-label learning

2012· article· en· W21952029 sur OpenAlexaboutno aff
WANGWei, ZhouZhi-Hua

Notice bibliographique

Revue中国科学通报:英文版 · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueText and Document Classification Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLearnabilityArtificial intelligenceComputer scienceMachine learningMathematics

Résumé

récupéré en direct d'OpenAlex

(MIML ) 多例子多标签学习是一个数据对象被多重例子描述并且与多重类标签联系了的一个新机器学习框架。在过去几年期间,许多 MIML 算法被开发了,许多应用程序被描述了。然而,在那里缺乏理论探索到 MIML 的易学性。在这份报纸,通过证明,归纳作为很多个多例子为多例子绑了单个标签的学习者和看的 MIML 有在标签之中的关联的单个标签的学习子任务,我们证明 MIML 假设班从一个多例子构造了单个标签的假设班是 PAC 可学会的。

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,124
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,174

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,124
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0060,005
Études des sciences et des technologies0,0030,003
Communication savante0,0070,016
Science ouverte0,0070,007
Intégrité de la recherche0,0080,010
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,069
Tête enseignante GPT0,315
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue中国科学通报:英文版Même sujetText and Document Classification TechnologiesTravaux en français237 207