|
Эта публикация цитируется в 4 научных статьях (всего в 4 статьях)
Активное обучение и краудсорсинг: обзор методов оптимизации разметки данных
Р. А. Гилязевab, Д. Ю. Турдаковcbd a Московский физико-технический институт
b Институт системного программирования им. В.П. Иванникова РАН
c Московский государственный университет имени М. В. Ломоносова
d Национальный исследовательский университет Высшая школа экономики
Аннотация:
Качественные аннотированные коллекции являются ключевым элементом при построении систем, использующих машинное обучение. В большинстве случаев создание таких коллекций предполагает привлечение к разметке данных людей, а сам процесс является дорогостоящим и утомительным для аннотаторов. Для оптимизации этого процесса был предложен ряд методов, использующих активное обучение и краудсорсинг. В статье приводится обзор существующих подходов, обсуждается их комбинированное применения, а также описываются существующие программные системы, предназначенные для упрощения процесса разметки данных.
Ключевые слова:
активное обучение, краудсорсинг, аннотация корпусов, крауд-вычисления.
Образец цитирования:
Р. А. Гилязев, Д. Ю. Турдаков, “Активное обучение и краудсорсинг: обзор методов оптимизации разметки данных”, Труды ИСП РАН, 30:2 (2018), 215–250
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/tisp316 https://www.mathnet.ru/rus/tisp/v30/i2/p215
|
Статистика просмотров: |
Страница аннотации: | 351 | PDF полного текста: | 166 | Список литературы: | 33 |
|