여러 작업과 라벨이 없는 데이터로부터 예측 구조를 학습하기 위한 프레임워크

기계 학습에서 가장 중요한 문제 중 하나는 라벨이 없는 데이터를 포함시켜 감독 학습 알고리즘의 성능을 향상시킬 수 있는지 여부입니다. 라벨이 있는 데이터와 없는 데이터를 모두 사용하는 방법은 일반적으로 반감독 학습이라고 합니다. 이러한 방법들이 여러 가지 제안되었지만, 현재 단계에서는 그 효과에 대해 완전한 이해가 이루어지지 않았습니다. 본 논문은 밀접하게 관련된 문제를 연구하여 반감독 학습에 대한 새로운 접근법을 제시합니다. 구체적으로, 여러 학습 작업으로부터 가설 공간(어떤 종류의 분류기가 좋은 예측력을 가지는지)에 대한 예측 구조 학습을 고려합니다. 구조적 학습 문제를 공식화하고 이론적으로 분석할 수 있는 일반적인 프레임워크를 제시하며, 이를 라벨이 없는 데이터 학습과 관련 짓습니다. 이 프레임워크 하에서 구조 학습 알고리즘을 제안하고 계산적 문제도 탐구합니다. 제안된 알고리즘이 반감독 학습 설정에서 효과적임을 보여주는 실험도 제시됩니다.