一种用于迁移学习的训练样本标注成本削减方法

摘要

本发明公开了一种用于迁移学习的训练样本标注成本削减方法，该方法用于对目标任务待标注样本进行区分处理：对不位于源任务样本空间内的目标任务样本要求标注；对位于源任务样本空间内的目标任务样本，自动从源任务已标注样本集合中找到最佳替代。本发明可以减少训练样本标注量，避免样本重复标注，且在不增加标注成本情况下，增加标注样本量，还可通过调整参数控制实际样本标注成本。另外，本发明可在压缩很大标注成本情况下，保持模型性能稳定，并可与任意样本挑选方法配套使用。同时，本发明也适用于模型需要更新，以及在通用模型基础上建立个性化模型的应用场景。