VALSE2019
机器学习中的标记分布与标记增强
许多机器学习任务都可以泛化为对给定的示例预测不同标记的描述度（即标记描述示例的程度），
而所有标记对一个示例的描述度构成该示例的标记分布，在以标记分布标注的数据集上学习的过程称为标记分
布学习。现实世界中存在不少本身就具有标记分布信息的数据，而更多情况下，标记分布信息不完整时，可通过
先验知识或者机器学习方法生成完整的标记分布，这一过程称为标记增强。标记分布学习方法配合标记增强方
法能够有效匹配大多数有监督学习问题，具有广泛的应用前景。