21、基于远监督的多实例学习

基于远监督的多实例学习

1. 引言

在现代机器学习中，多实例学习（Multi-instance Learning, MIL）和远监督（Distant Supervision, DS）是两种重要的方法，它们分别解决了不同场景下的数据标注难题。MIL允许我们将标签赋予一组实例（称为“袋”），而不是单个实例；而DS则利用现有知识库和大规模未标注文本语料库自动生成训练数据，减少了人工标注成本。当这两种方法结合起来时，可以有效地应对复杂任务，如信息抽取和关系分类。

2. 多实例学习概述

2.1 定义

多实例学习是一种弱监督学习形式，其中每个训练样本由一组实例（称为“袋”）组成，而不是单一实例。每个袋都有一个整体标签，但袋内的单个实例本身没有明确的标签。例如，在图像分类任务中，一张图片可能包含多个对象（即多个实例），而整张图片被标记为某个类别（即袋的标签）。

2.2 与单实例学习的区别

• 标签粒度 ：单实例学习中每个实例都有自己的标签，而在MIL中只有袋有标签。
• 数据表示 ：单实例学习通常处理向量化的特征，而MIL需要处