تقييد التسميات الزائفة للتعلم غير المتوازن بفئات جزئية

تعتبر التعلم بالفئات الجزئية (PLL) فرعاً مهماً من التعلم تحت الإشراف الضعيف حيث توجد الحقيقة الأرضية الوحيدة في مجموعة من التسميات المرشحة، بينما نادراً ما تأخذ الأبحاث بعين الاعتبار عدم توازن التسميات. تشير دراسة حديثة حول (PLL) غير المتوازن إلى أن التحدي التوافقي للتعلم بالفئات الجزئية والتعلم من الأطراف الطويلة يكمن في المطابقة بين توزيع المسبق الهامشي الجيد ورسم التسميات الزائفة. ومع ذلك، حتى إذا كانت التسمية الزائفة تتطابق مع التوزيع المسبق، ستظل الفئات الطرفية صعبة التعلم بسبب الوزن الإجمالي للفئات الطرفية الذي يكون صغيراً جداً. لذلك، نقترح تقنية تقييد للتسميات الزائفة مصممة خصيصاً لـ (PLL) غير المتوازن. من خلال معاقبة التسميات الزائفة للفئات الرئيسية، تطبق طريقتنا أحدث المعايير مقارنة بالطرق السابقة لـ (PLL).