Learning structural SVMs with latent variables
Learning structural SVMs with latent variables
复制标题
DOI：
10.1145/1553374.1553523
复制
发表时间：
2009-06
期刊：
影响因子：
--
通讯作者：
C. Yu;T. Joachims
中科院分区：
文献类型：
--
作者：
C. Yu;T. Joachims
我们提出了一个允许使用潜在变量的结构化输出预测的大边际公式和算法。我们的建议涵盖了广泛的应用问题，其中一个优化问题可以使用凹凸规划有效地解决。该方法的通用性和性能通过三个应用进行了验证，包括修饰、名短语共指解析和k点信息检索的优化精度。
We present a large-margin formulation and algorithm for structured output prediction that allows the use of latent variables. Our proposal covers a large range of application problems, with an optimization problem that can be solved efficiently using Concave-Convex Programming. The generality and performance of the approach is demonstrated through three applications including motiffinding, noun-phrase coreference resolution, and optimizing precision at k in information retrieval.