数据标注流程图
- 是否有足够的数据
- 要改善标注还是模型
- 要改善标准，标准是否足够--若足够，可使用半监督学习
- 若标准不足，预算是否足够--若足够，可通过众包标注
- 预算也不足，可使用弱监督学习
半监督学习（SSL）
基于少样本量的有标注的数据和大样本量的无标注的数据
对无标注的数据做以下假设：
- 连续性假设：这个样本与另一个样本有相似的特征，则可能有相同的标注
- 聚类假设：数据有内在的聚类结构，聚类相同的样本可能有相同的标注
- 流形假设：数据是在一个低维的流形上分布，可通过降维获取更干净的数据
自训练
训练模型并预测无标注的数据，保留特别置信的标注数据加入数据集，并进行迭代
主动学习（一般与自训练配合使用）
不确信采样：
选出不确信的预测，由人工标注后加入数据集
弱监督学习
半自动生成标号
数据编程：
用一些启发式方法（制定一些规律）给数据标号
- 关键词搜索，模式匹配，第三方模型等