إطار عمل لتعلم الهياكل التنبؤية من مهام متعددة وبيانات غير معنونة

واحدة من أهم القضايا في التعلم الآلي هي ما إذا كان يمكن تحسين أداء خوارزمية التعلم المُشرف من خلال تضمين بيانات غير معنونة. تُسمى الطرق التي تستخدم كل من البيانات المعنونة وغير المعنونة عمومًا بالتعلم شبه المُشرف. بالرغم من اقتراح عدد من هذه الطرق، في المرحلة الحالية، لا نزال نفتقر إلى فهم كامل لفعاليتها. تبحث هذه الورقة مشكلة وثيقة الصلة، تؤدي إلى نهج جديد للتعلم شبه المُشرف. على وجه التحديد، نعتبر تعلم الهياكل التنبؤية على فضاءات الفرضيات (أي نوع المصنفات التي تتمتع بقوة تنبؤية جيدة) من مهام تعلم متعددة. نقدم إطارًا عامًا يمكن من خلاله صياغة وتحليل مشكلة التعلم الهيكلي نظريًا، وربطها بالتعلم باستخدام البيانات غير المعنونة. ضمن هذا الإطار، سيتم اقتراح خوارزميات للتعلم الهيكلي، وسيتم دراسة القضايا الحوسبية. ستُعرض تجارب لتوضيح فعالية الخوارزميات المقترحة في سياق التعلم شبه المُشرف.