Main Images


homepage_main_VAE-PU-FIN.png

 

Motivation/Contribution:

 

This research is the first generative positive-unlabeled (PU) learning model under selection bias. Specifically, we derive the PU risk function under selection bias, and we introduce the VAE-PU, which is a variant of variational autoencoders, to generate a set of virtual PU examples that we don't have in the given dataset. Our experiments indicate that the VAE-PU is superior when selection bias exists, and the VAE-PU is also competent when selection bias does not exist.

 

본 연구는 선택 편향이 있는 상황에서 양성-미분류 문제 학습 생성 모델을 제시한다. 분류자 학습을 위하여 선택 편향이 없는 상황에서 양성-미분류 위험 함수를 전개하고, 변분 오토인코더 기반의 생성모델인 VAE-PU를 모델링하여 데이터로 보유하고 있지 않은 라벨이 없는 양성 데이터를 생성한다. VAE-PU는 선택 편향이 존재하는 상황에서 다른 모델에 비하여 뛰어난 성능을 보였으며, 선택 편향이 없는 상황에서도 충분한 성능을 보였다. 

 

 

Related Publications

 

Byeonghu Na, Hyemi Kim, Kyungwoo Song, Weonyoung Joo, Yoon-Yeong Kim, and Il-Chul Moon, Deep Generative Positive-Unlabeled Learning under Selection Bias, ACM International Conference on Information and Knowledge Management (CIKM 2020), 2020, Oct. 19.