半監(jiān)督學習及其在社交媒體分析中的應用.pdf

1、在許多實際的學習場景中，獲得大量的帶標記的訓練數(shù)據(jù)是代價昂貴并且耗費時間的。半監(jiān)督學習算法(SSL)是一種機器學習模型，它試圖利用少量標記數(shù)據(jù)和大量無標記數(shù)據(jù)去構(gòu)建一個更好的分類器或是回歸模型。在實際應用中，無標記數(shù)據(jù)比標記數(shù)據(jù)更容易獲取，因此半監(jiān)督學習算法的應用非常廣泛。隨著社交媒體的快速發(fā)展，社交媒體上產(chǎn)生了大量無標記數(shù)據(jù)，這使得半監(jiān)督學習在社交媒體的分析中的應用越來越廣泛。本文結(jié)合社交媒體的特征，將半監(jiān)督學習應用到社交媒體分析中。

2、
　　論文首先介紹了社交媒體中的多模態(tài)數(shù)據(jù)，并引入多模態(tài)半監(jiān)督學習的概念。在社交媒體中，存在大量多模態(tài)數(shù)據(jù)。例如:在社交媒體圖像分類問題中，既可以根據(jù)圖像本身包含的視覺信息對圖像進行分類，也可以利用圖像的標簽或評論等文本信息進行分類。由于不同的模態(tài)數(shù)據(jù)展示了主體的不同側(cè)面，這些多模態(tài)信息是相容且互補的。有效利用這些多模態(tài)數(shù)據(jù)，可以更好地把握社交媒體數(shù)據(jù)所包含的信息。在分析了相關(guān)工作的基礎上，結(jié)合社交媒體的特征，對多模態(tài)半監(jiān)督分類問