EXPONA: Automatisiertes Labeling mit vielfältiger, zuverlässiger Heuristik

In der Welt des maschinellen Lernens sind hochwertige gelabelte Daten unverzichtbar, doch die manuelle Annotation bleibt teuer und fehleranfällig. EXPONA löst dieses Problem, indem es das Labeling automatisiert und dabei eine ausgewogene Mischung aus Vielfalt und Zuverlässigkeit nutzt.

Der Ansatz basiert auf sogenannten Label‑Functions (LFs), heuristischen Regeln, die automatisch schwache Labels erzeugen. Im Gegensatz zu bisherigen Methoden, die sich auf große Sprachmodelle oder auf modellbasierte Synthese aus handgefertigten Bausteinen stützen, führt EXPONA eine systematische Erkundung von LFs auf mehreren Ebenen durch – von Oberflächenmerkmalen über strukturelle bis hin zu semantischen Perspektiven.

Ein zentrales Merkmal von EXPONA ist die zuverlässigkeitsorientierte Filterung. Durch gezielte Abschwächung von Rauschen und redundanten Heuristiken werden nur die aussagekräftigsten Signale beibehalten, während komplementäre Informationen erhalten bleiben.

Die Wirksamkeit des Frameworks wurde an elf Klassifikationsdatensätzen aus unterschiedlichen Domänen getestet. EXPONA übertraf dabei die führenden automatisierten LF‑Generierungsmethoden: bis zu 98,9 % der Labels wurden abgedeckt, die Qualität schwacher Labels stieg um bis zu 87 % und die nachgelagerte Leistung, gemessen am gewichteten F1‑Score, verbesserte sich um bis zu 46 %.

Diese Ergebnisse zeigen, dass die Kombination aus mehrstufiger LF‑Erkundung und zuverlässigkeitsbewusster Filterung zu einer deutlich besseren Datenannotation führt – ein entscheidender Schritt, um robuste Machine‑Learning‑Modelle schneller und kostengünstiger zu entwickeln.