文件名称:
文本分类问题的选择性多实例迁移学习方法
开发工具:
文件大小: 648kb
下载次数: 0
上传时间: 2021-03-07
详细说明：多实例学习（MIL）是监督学习的一种概括，它试图从大量实例中学习独特的分类器。 本文针对文本分类问题解决了基于迁移学习的多实例方法的问题。 为了提供从源任务到目标任务的安全知识转移，本文提出了一种称为选择性多实例转移学习（SMITL）的新方法，该方法选择了多实例转移学习将在第一步中起作用的情况，以及然后在第二步中建立一个多实例迁移学习分类器。 具体来说，在第一步中，我们通过调查两个任务的积极特征的相似性来衡量源任务和目标任务是否相关。 在第二步中，我们构造了一个基于转移学习的多实例方法，如果在第一步中发现两个任务都相关，则将知识从源任务转移到目标任务。 我们提出的方法明确解决了针对文本分类问题的多实例学习的知识安全传输问题。 大量实验表明，SMITL可以确定两个任务是否与大多数数据集相关，并且胜过经典的多实例学习方法。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
