原文地址：https://arxiv.org/pdf/1906.08042v1.pdf

Motivation

减少Entity resolution (ER)的标注成本

Methodology

- 迁移学习（Transfer Learning）：使用现有的标注数据（Source）训练好模型参数，对待预测数据集（Target）进行预测。

- 主动学习（Active Learning）：每轮迭代选择K个数据对标注。

1）针对每个attribute训练出一个RNN，编码出vector，两个tuple对应的attribute的vector计算similarity，再对所有similarity求和，作为总的similarity vector。后面再接上MLP网络做分类任务。

2）Gradient Reversal 的目的是训练模型的句子编码能力，使得similarity vector不是针对某个特定数据集训练出的。

【具体训练过程可以看原始论文，此处仅讲解大致框架】

1）先来看Transfer Learning的实验效果

从DBLP-Scholar和Cora可以看出来，直接用Source训练出来的分类器时，效果不好【第一行】；在Adaptation的作用下，Transfer Learning效果有提升，但效果还是不好【第二行】。注意：此时为0标注，Target数据集无训练集。

【第三行】是用Target数据集的Train来训练模型了，标注量是|Train|。

2）思考

Q：【第三行】的标注太多了，如何才能在少量标注的情况下，尽量达到【第三行】的效果呢？

A：Active Learning。

- 此处依据Entropy来选择需要标注的K个数据。（代码很好看懂，Entropy的介绍已经有很多，可自行百度。简单理解为Entropy值越大，预测结果越不确定；Entropy值越小，预测结果越确定。我们需要标注的就是Entropy大的部分）

- 个人认为Active Learning起的作用比Transfer Learning明显。

- 原论文中还有其他细节实验，此处仅展示可以阐述Idea有关的部分。

——————————————————————————————————————————————————