CAJ | 학술논문

　　现实世界的许多问题中通常存在大量的未标注样例，但有标注样例则比较少，因为给样例加标注需要耗费专业人员大量的时间和精力。主动学习通过选取那些最具代表性的无标注数据让专家去标注，从而使专家的标注任务量最小化。传统的主动学习只能进行具体的查询，效率较低。为提高效率，文章提出了一种新的基于泛化查询的主动学习算法，在4个UCI数据集上的实验验证了该方法的有效性。
　　현실세계적허다문제중통상존재대량적미표주양례，단유표주양례칙비교소，인위급양례가표주수요모비전업인원대량적시간화정력。주동학습통과선취나사최구대표성적무표주수거양전가거표주，종이사전가적표주임무량최소화。전통적주동학습지능진행구체적사순，효솔교저。위제고효솔，문장제출료일충신적기우범화사순적주동학습산법，재4개UCI수거집상적실험험증료해방법적유효성。