主动学习研究进展

主动学习通过主动选择最有价值的样本进行标注来降低模型对训练数据的依赖。在我国发展新一代人工智能的背景下,大量学习任务面临着数据监督信息缺失、小样本问题严重和任务类型多等严峻挑战,迫切需要建立全面、高效和实用的高级主动学习方法体系。在此背景下,本文针对现有主动学习方法的局限开展了一系列研究工作。从主动学习中的“选”“标”“用”3个方面对相关工作进行总结综述。在“选”方面,提出一种结合信息量与代表性的采样方法,以及一种考虑学习难易度的样本选择方法;在“标”方面,提出一种面向视频推荐的跨模态标注方法;在“用”方面,针对实际标注任务中目标模型先验知识缺乏、大型多人标注任务“人等数据”等问题,提出了DUAL与AAL方法。最后,对主动学习未来的研究方向进行了展望。