Stochastic Order Learning

新框架解决含噪声数据的排名估计问题

研究人员推出了一种名为随机顺序学习（SOL）的新型框架，旨在解决在处理含噪声的序数标签时进行排名估计的挑战。SOL将问题重新构建为一项随机排序任务，承认实例可能具有多个合理的排名，而不是单一的确定性排名。该框架采用两个关键目标：一个判别性损失来构建实例-质心交互，以及一个随机顺序损失来强制执行概率排序。在各种数据集上的实验表明，SOL能有效处理不同类型和级别的标签噪声，以实现可靠的排名估计。