Анализ интеллектуальных методов и алгоритмов для обработки информации с пропусками

Интеллектуальные алгоритмы и методы хорошо подходят для многих задач обработки данных, где немаркированные данные преобладают. Проведен анализ селективных стратегий настройки интеллектуальной модели с акцентом на активные методы обучения (AL) и предложено два алгоритма, устраняющих недостатки проанализированных стратегий. Хотя уже было показано, что активное обучение заметно снижает усилия на аннотацию для многих задач маркировки последовательностей по сравнению со случайным выбором, AL не учитывает внутреннюю структуру выбранной последовательности (как правило, предложения). Предложен комбинированный подход AL к маркировке последовательности.