8月26日，计算机科学与技术学院举行了智汇论坛第二十四期活动，邀请澳大利亚莫纳什大学数据科学和人工智能副教授Lan Du讲授“通过严格适当的评分规则增强多样性的主动学习”专题讲座。
本次报告介绍了用于文本分类的主动学习（AL）习得函数。其中，预期损失减少（ELR）方法侧重于对分类误差减少的贝叶斯估计，同时对平均目标不确定性成本（MOCU）进行了更新。转换ELR框架来估计（严格适当的）分数的增加，如对数概率或负均方误差，称之为贝叶斯平均适当分数估计（BEMPS）。报告还借鉴MOCU使用的技术证明了收敛结果，为了更好地实验新的采集函数，开发了一种互补的批处理AL算法，该算法鼓励未标记数据的预期分数变化向量的多样性。为了实现高性能的文本分类器，在预训练的语言模型上结合了集成和动态验证集构建。报告中使用广泛的实验评估探讨了不同的采集函数是如何执行的，实验结果表明，在BEMPS中使用均方误差和对数概率可以产生鲁棒的采集函数，其性能始终优于其他测试函数。
Lan Du博士是澳大利亚莫纳什大学数据科学和人工智能副教授，IEEE高级会员。他的研究兴趣集中在机器/深度学习和自然语言处理的交叉领域，特别关注主动学习、不确定性估计和知识提炼等领域，并探索其在公共卫生和营销等不同领域的应用。他在机器学习、自然语言处理和数据挖掘领域的顶级会议/期刊上发表了100多篇高质量的研究论文，如NeurIPS、ICML、ACL、EMNLP、AAAI、TPAMI、IJCV、TMM和TNNLS。Lan Du博士担任机器学习杂志《ACM Transaction on Probabilistic Machine learning and Big Data Research》的编委，AAAI人工智能会议的区域主席，以及机器学习和自然语言处理领域顶级会议项目委员会成员/评审员。作为首席研究员，他已成功获得三项1类资助，其中包括一项NHMRC创意资助、一项ARC DP资助和一项MRFF大奖，获得的研究资金总额达300万澳元。