Weakly Supervised Learning

释义 Definition

弱监督学习：机器学习中的一种方法，训练数据的标注信息不完整、不精确或含噪声（例如只有粗粒度标签、部分标签、弱规则生成的标签、或带错误的标签），模型在这种“较弱”的监督信号下学习并尽量获得良好性能。常见于图像、文本、医疗等标注成本高的场景。

发音 Pronunciation (IPA)

/ˈwiːkli ˈsuːpərvaɪzd ˈlɝːnɪŋ/

例句 Examples

Weakly supervised learning uses imperfect labels.
弱监督学习使用不完美的标签来训练模型。

In weakly supervised learning, a model may learn from noisy tags and a few clean annotations to improve performance without fully labeled data.
在弱监督学习中，模型可以同时利用含噪标签和少量干净标注，在没有完整标注数据的情况下提升效果。

词源 Etymology

该术语由 weakly（弱地/弱化地）+ supervised（被监督的）+ learning（学习）构成，字面意思是“在较弱监督下的学习”。它源于对传统监督学习的扩展：当人工精确标注昂贵或难以获得时，研究者用更便宜但更不可靠的监督信号（如启发式规则、远程监督、众包噪声标签等）替代或补充强监督。

相关词 Related Words

• Distant Supervision
• Semi-Supervised Learning
• Self-Supervised Learning
• Noisy Labels
• Active Learning
• Labeling Functions
• Data Programming
• Multiple Instance Learning

文学与著作 Literary Works & Notable Sources

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）中在讨论弱标注/噪声标注与训练策略时常出现相关表述。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）在监督学习框架与现实数据标注局限的语境下可见与弱监督相关的讨论。
• Ratner 等人的论文 Snorkel: Rapid Training Data Creation with Weak Supervision 以及后续工作中频繁直接使用 “weak supervision / weakly supervised learning” 来描述用弱标注构建训练数据的范式。