Weak Supervision

释义 Definition

弱监督（学习）：一种机器学习训练方式，使用不完全、含噪声或间接的标注信号来训练模型，而不是依赖大量高质量人工精标数据。（也常指 weakly supervised learning 的核心设定。）

发音 Pronunciation (IPA)

/wiːk ˌsuːpərˈvɪʒən/

例句 Examples

Weak supervision lets us train a model with noisy labels.
弱监督让我们可以用带噪声的标签来训练模型。

In many real-world NLP tasks, weak supervision combines heuristics, distant labels, and partial annotations to reduce the cost of manual labeling.
在许多真实的自然语言处理任务中，弱监督会结合启发式规则、远程标注与部分标注，以降低人工精标的成本。

词源 Etymology

weak 源自古英语 wāc（意为“软弱的、力量不足的”）；supervision 来自拉丁语 super-（“在上”）+ videre（“看”），本义是“在上方看管、监督”。在机器学习语境中，weak supervision 引申为“监督信号不强/不干净/不完整”的训练设定。

相关词 Related Words

• Weakly Supervised Learning
• Distant Supervision
• Semi-Supervised Learning
• Self-Supervised Learning
• Noisy Labels
• Label Noise
• Data Programming
• Heuristic Labeling
• Silver Standard

文献与作品 Literary / Notable Works

• Snorkel: Rapid Training Data Creation with Weak Supervision（Ratner 等，2017）
• Data Programming: Creating Large Training Sets, Quickly（Ratner 等，相关论文与系列工作）
• A Survey on Weakly Supervised Learning（弱监督学习综述类论文，常以该术语为核心主题）
• Deep Learning（Goodfellow, Bengio & Courville，2016；在讨论弱标注/噪声标注与相关训练问题时常出现该概念）