计算机科学与探索

作者：刘雅芬, 郑艺峰, 江铃燚, 李国和, 张文杰

单位：1. 闽南师范大学 计算机学院,福建 漳州 363000；2. 数据科学与智能应用福建省高校重点实验室,福建 漳州 363000；3. 中国石油大学（北京） 信息科学与工程学院,北京 102249

关键词：深度学习,半监督学习,伪标签,标签传播

基金：国家自然科学基金(62141602);福建省自然科学基金(2021J011002);福建省自然科学基金(2021J011004);克拉玛依科技发展计划项目(2020CGZH0009)

随着智能技术的发展,深度学习已成为机器学习的研究热点,在各个领域发挥着越来越重要的作用。深度学习需要大量的标签数据用于提升模型性能。为了有效解决标签问题,研究人员将半监督学习与深度学习相结合。同时利用少量的标签数据和大量的无标签数据构建模型,有利于扩大样本空间。鉴于深度半监督学习的理论意义和实际应用价值,以深度半监督学习方法中的伪标签方法作为切入点进行分析。首先,对深度半监督学习进行介绍,指出伪标签方法优势所在;其次,从自训练和多视角训练角度出发对伪标签方法进行阐述,对已有的模型进行综合性分析;接着,重点介绍基于图和伪标签的标签传播方法,并对已有伪标签方法进行实验分析;最后,从无标签数据效用性、噪声数据、合理性和伪标签方法的结合上总结伪标签方法所面临的问题和未来研究方向。

来源：2022年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第6期