Weakly supervised recurrent neural network
A weakly supervised RNN trains a recurrent neural network on sequences whose labels come from imperfect sources — heuristic rules, distant supervision, crowdsourcing, or generative label models — rather than expensive expert annotation. This lets researchers exploit large unlabeled corpora for sequential tasks such as text classification, named entity recognition, or time-series prediction when fully annotated data is scarce or costly.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- Ratner, A., De Sa, C., Wu, S., Selsam, D., & Re, C. (2016). Data Programming: Creating Large Training Sets, Quickly. Advances in Neural Information Processing Systems (NeurIPS), 29. · URL
- Zhou, Z.-H. (2018). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. · DOI 10.1093/nsr/nwx106
Gecureerde claims
Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.
Deze weergave verzint geen claimbeoordeling als het register er geen heeft.
Gerelateerde methoden
Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.