主動(dòng)學(xué)習(xí)通過選擇現(xiàn)有模型中未充分訓(xùn)練的數(shù)據(jù)進(jìn)行迭代訓(xùn)練,從而利用少量標(biāo)注數(shù)據(jù)訓(xùn)練出較高性能的模型。 傳統(tǒng)的主動(dòng)學(xué)習(xí)方法只關(guān)注數(shù)據(jù)本身的信息量而忽略了該數(shù)據(jù)是否孤立。論文提出一種改進(jìn)的主動(dòng)學(xué)習(xí)方法,利用相似病 歷中出現(xiàn)的詞匯往往雷同的特點(diǎn),以文檔中文字的分布衡量其在樣本集的普遍程度,并以此對(duì)信息量進(jìn)行加權(quán)。而后實(shí)現(xiàn) 該方法,并進(jìn)行了與消極學(xué)習(xí)和傳統(tǒng)主動(dòng)學(xué)習(xí)方法的對(duì)比實(shí)驗(yàn)。結(jié)果表明,該方法相對(duì)消極學(xué)習(xí)與傳統(tǒng)的主動(dòng)學(xué)習(xí)方法, 效果有明顯提升,能夠減少對(duì)標(biāo)注數(shù)據(jù)的需求。