一种基于噪声标签学习的众包获取标签数据清洗方法

发明专利有效专利

申请号：
CN202110645466.7
IPC分类号：G06F30/27;G06N3/04;G06N3/08;G06F111/08;G06F119/10
申请日期：
2021-06-10
申请人：
南京大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于噪声标签学习的众包获取标签数据清洗方法
申请号	CN202110645466.7	申请日期	2021-06-10
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-07	公开/公告号	CN113361201A
优先权	暂无	优先权号	暂无
主分类号	G06F30/27	IPC分类号	G;0;6;F;3;0;/;2;7;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;F;1;1;1;/;0;8;;;G;0;6;F;1;1;9;/;1;0查看分类表>
申请人	南京大学	申请人地址	江苏省南京市栖霞区仙林大道163号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京大学	当前权利人	南京大学
发明人	王崇骏;陈明猜;姜文玉;商一帆;张雷
代理机构	南京瑞弘专利商标事务所（普通合伙）	代理人	陈建和

摘要

本发明公开了一种基于噪声标签学习的众包获取标签数据清洗方法，在模型热启动阶段，使用带有噪声的标签数据初步训练深度模型；在噪声分离阶段，通过模型对训练数据进行预测，计算噪声标签与预测类别间的损失，采用高斯混合模型拟合损失的分布，得到各个数据在属于均值较小子分布的概率，依据该概率的大小将数据分为纯净数据和噪声数据两部分；在重新训练阶段，使用有更大概率为纯净数据的一部分重新训练模型；最后根据深度模型中数据损失的大小进行噪声清洗；本发明对众包获取的带噪声标签数据进行清洗，可大幅提高众包获取数据的质量；并且结合了深度学习模型的拟合能力，可以纠正特征与标签依赖关系复杂时的噪声标签。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供