弱监督问题

❶ python gensim.models.word2vec 判断是否有词

可能是语料有问题。6.5M太少了，word2vec属于弱监督，词向量的预测与上下文关联很大，所以需要找领域集成度很高的语料来训练。

❷ 如何看待高学历的人犯罪

高学历犯罪者们频频进入公众的视野：

林森浩，复旦大学上海医学院2010级硕士研究生，在中山医院见习期间，牵涉复旦大学医学院研究生黄洋被投毒死亡案。2013年4月，警方初步认定同寝室的林森浩存在重大作案嫌疑，被刑事拘留。2014年2月，上海市第二中级人民法院一审以故意杀人罪判处林森浩死刑。

朱海洋，美国弗吉尼亚理工学院博士生，在同学印象里，朱海洋“是一个正常、阳光的人。2009年因求爱不成把女同学杀害，2010年4月19日被当地法院法官裁定一级谋杀罪名成立，被判处终身监禁不得假释。

张克强，研究生学历，广州华美集团总裁、福布斯中国富豪榜人物，自2006年起，他带领7个本科生的高智商犯罪团伙，巧妙地将价值44多亿的国有资产转移。云南省公安厅经1年多的侦查，8名被告人被推上被告席。

肖明辉，一个“想干事、能干事”的高学历年轻干部，一名海南十大杰出青年等诸多荣誉的获得者，在工程招投标项目独揽大权后，难以抵挡金钱诱惑，总造价达5亿元的安置房项目最终使他走向腐败堕落的前沿。

高学历犯罪者屡屡出现，造成的影响不是普通犯罪者所能比拟的。高学历者，往往都具备过人的能力、技术、心理素质甚至是智商。很多高学历者甚至成了电子信息时代高科技犯罪的主要角色。透过种种案例，我们不难看出，“高学历犯罪”者文化层次高，其犯罪手段复杂多样，利用掌握的知识钻法律空子，社会危害性更大。

其次就是，作为高学历者，在社会上往往都是受人尊敬，被视为榜样的人物，他们的犯罪行为同样更加受人关注，而他们的罪恶也会更加动摇社会的正确价值取向。

精英们缘何沾染上罪恶

作为各行业各领域的精英人才，他们本应该是利用所学知识为社会做好事，然而却走上犯罪道路，值得引起人们的深思：高学历是否和高素质称正比？是什么原因导致这些高学历的人走上不归之路？

社会学家王开玉认为，在应试教育的重压下，“问题学生”日渐增多。当他们走进大学或走向社会后，道德和心理方面的问题便会显现出来。高追求，爱攀比是高学历人群比普通人更容易出现的心理问题，不能自我疏导，另找出路，往往就起了犯罪动机。

不可否认我们的社会存在着这些问题：贫富差距悬殊，有些时候“拼爹”甚于拼才，部分民众存在仇富心理。在部分地方应试教育下培养出来的学生，教育者又疏于对他们的道德和心理教育。在他们寒窗苦读十几年后发现自己仍然比不过一些本身就家庭条件优越的人，自然会导致心态失衡，因此就导致了他们铤而走险，无视法律地去谋求利益。

高学历犯罪归根结底是无视法律

欧洲启蒙运动时期，德国哲学家康德曾经说过，“世界上有两件东西能震撼人们的心灵：一件是我们心中崇高的道德标准；另一件是我们头顶上灿烂的星空。”道德与法律的约束是维持国家和社会健康运行的基础。欧洲之所以从荒蛮到发达，在经济积累的同时也是遵循着道德与法律的约束。

无论任何人，即使是高学历者，走上犯罪道路，除了丧失基本道德之外，更重要的是不懂法律、无视法律、不敬畏法律。基层教育中，思想品德、思想政治这些包含法律的课程，由于不是考试科目而被一再压缩。高等教育中的普法教育完全不受重视，甚至成为了主修科目之余的“休闲”课程。

高校应真正把这门课落到实处

高学历本应具备更高的修养，包括法律修养，但是现在的学历教育主要是知识的教育，很少有人格、法律、修养等方面的教育。加上一些求学者也主要是以学历做敲门砖，急功近利，所以根本谈不上提高修养。这样教导出来的学生，缺乏法律和道德意识也就不足为奇了。

❸ Distant supervision是什么意思

远监督。弱监督也称为远监督，数据集的标签是不可靠的(这里的不可靠可以是标记不正确，多种标记，标记不充分，局部标记等)，针对监督信息不完整或不明确对象的学习问题统称为弱监督学习。

❹ “弱监督”下的神经排序模型是怎么回事

近年来，无监督的深度神经网络在计算机视觉技术、自然语言处理和语音识别任务上都已经取得了很大的进步，而在信息检索的排序上却仍在原地踏步，没有太大的改进。其中的原因可能在于排序问题本身的复杂性，因为在没有监督信号的情况下，神经网络很难从查询内容和文档中获取信息。因此，我们在这篇文章中提出了使用“弱监督”来训练神经排序模型。也就是说，所有训练所需的标签都是机器自己获取的，不存在任何人工输入的标签。

为此，我们把一个“无监督”排序模型的输出结果，比如BM25，当做一个“弱监督”模型的信号来使用。接下来，我们会进一步基于“前馈神经网络”对一系列简单却十分高效的排序模型进行训练。我们还会考察它们在不同的训练场景下的效果，例如：使用不同的输入表征（密集/稀疏表征向量，或者是“嵌入”文字表征），分别训练“逐点模型”和“成对模型”。我们能够从无监督IR模型中轻易地获得“弱标记数据”，实验的结果反映，提前对大量的“弱标记数据”进行训练，对有监督的神经排序模型非常有益。

我们调查的三个主要问题：

问题一：单凭来自无监督IR模型的标签作为弱监督训练数据，比如BM25，有可能完成一个神经排序模型的训练吗？

问题二：在这样的情况下，什么样的输入表征和学习目标是最适合模型训练的？

问题三：弱监督的操作过程，尤其是在标记数据有限的情况下，能否优化有监督的学习模型？

排序的体系结构

我们对三种神经排序模型进行了尝试：

1、分数模型

这种架构实际上是一个预测“查询文档”组合的检索分数的逐点排序模型。专业地来说，这种架构的目标就是掌握一个“分数功能”，这一功能能够决定一个“查询文档”的检索分数。我们可以用线性回归图来大致地表示这个问题：

❺ 机器学习中集成学习指什么

集成学习本身不是一个单独的机器学习算法，是通过建立一组独立的机器学习模型，构建并结合多个机器学习器来完成学习任务，以达到减小方差（bagging）、偏差（boosting）或改进预测（stacking）的效果。

机器学习中集成学习，利用多个模型的预测组合，来对类标签进行预测。这种策略组合可以减少总误差，包括减少方差和偏差，或者提高单个模型的性能，也就是我们常说的“博采众长”。

集成学习可以用于分类问题集成，回归问题集成，特征选取集成，异常点检测集成等等，可以说所有的机器学习领域都可以看到集成学习的身影。本文就对集成学习方法进行简单的总结和概述。

集成学习有两个主要的问题需要解决，第一是如何得到若干个个体学习器，第二是如何选择一种结合策略，将这些个体学习器集合成一个强学习器。

在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好的模型，但实际情况往往不这么理想，有时我们只能得到多个有偏好的模型（弱监督模型，在某些方面表现的比较好）。

集成学习就是组合这里的多个弱监督模型以期得到一个更好更全面的强监督模型，集成学习潜在的思想是即便某一个弱分类器得到了错误的预测，其他的弱分类器也可以将错误纠正回来。

❻ 如何解决派驻机构'弱监督，轻执纪，不问责，零办案'的问题

每处理一起违规，给予多少奖励，且重奖。

❼ 吴佳俊的获奖

第九届中国青少年科技创新奖颁奖大会在人民大会堂举行。清华大学学生吴佳俊荣获第九届中国青少年科技创新奖。
吴佳俊是清华大学交叉信息研究院2010级本科生。本科期间连续三年学分绩全年级第一，曾获清华大学本科生特等奖学金、蒋南翔奖学金、姚期智奖学金等荣誉。多篇论文发表于世界顶级会议与期刊，如IEEE国际计算机视觉与模式识别会议（IEEE CVPR）、认知科学协会年会（CogSci）、美国医学信息学会刊（JAMIA）等。同时，他也是“思源”计划第十期学员和“星火”计划第六期学员。他的研究工作集中于让机器从大规模弱监督或无监督的互联网图像数据中学习视觉概念，并将这些概念用于计算机视觉领域的主流问题，如图像分割、物体识别等。
奥赛一等奖
记者随后试图与吴佳俊本人取得联系，发现他人人网上个人信息很少。据其清华校友蒋林浩同学透露，此时吴佳俊可能不在国内，而在国外交流学习。对于吴佳俊的情况，蒋林浩表示，吴佳俊平时非常低调，作为好友他不便过多透露相关信息。清华大学交叉信息研究院办公室负责人也表示，吴佳俊成绩确实非常优秀，院办也早有耳闻，其他信息不便透露 。
记者上网检索发现，吴佳俊在进清华之前就曾拿过2009年全国青少年信息学奥林匹克竞赛一等奖。考进大学后，2012年荣获清华大学蒋南翔奖学金，该奖学金是清华大学三项最高奖学金之一。