部分监督学习方法是一类用于解决在仅包含正例数据和大量无标注数据条件下训练分类模型的方法,并且在无标注数据中,既包含正例数据,又包含反例数据。部分监督学习方法的核心问题是发现可靠的反例数据,进而将其转化为有监督(当将所有无标注数据视为反例的情况)或半监督(当从无标注数据发现少量反例数据,剩余大量可利用的无标注数据的情况)问题,采用有监督学习方法和半监督学习方法完成分类模型的训练,通过实验证明,后者具有更优的性能。本文围绕部分监督学习方法的核心问题展开研究,主要完成了三个方面的研究工作:(1)基于部分监督学习的分类方法在中文分词和主题分类领域的应用研究:中文分词与主题分类是典型的部分监督学习问题,本文采用“间谍”策略,首次将部分监督学习的分类方法在这两个领域中使用,首先针对两个领域中算法应用的细节:体征提取窗口、特征选择比例、阈值确定等进行了确定。其次,在实验过程中也发现,由于“间谍”实例的选取具有随机性,其确定的负例有两个缺点:1、可靠性较弱2、可能远离决策面,对训练当前分类器不是最优的实例。后续工作针对上述缺点引入抗训练思想生成实例,优化已有的部分监督学习算法。(2)基于逆向工程的实例生成方法研究:生成实例有两个目的1、生成训练样本空间中并不存在的伪实例补充训练集;2、生成的实例靠近决策面拥有较高的信息量。由于传统的逆向工程过程需要少量的人工,本文针对此进行了自动化改进,如使用特征选择方法替代人工估计成本权重等。与“间谍”确定的负例相比,生成实例具有可靠性强,信息熵较大的特点。(3)生成实例与理论假设一致性验证:本文通过绘出生成实例与决策面距离趋势变化的方式,直接验证了生成实例在不断靠近决策面;通过将生成实例进行降维,绘制出二维散点图的方式间接验证了生成实例分布在决策面附近。实验结果表明:(1)部分监督学习方法能有效解决中文分词与主题分类问题;(2)布尔型生成实例能提升模型预测性能最多3%左右,而连续型生成实例提升效果较弱,但拥有更好的鲁棒性;(3)生成实例与理论假设相符。除上述几点,实验还发现太多的伪实例会导致分类性能下降,因为伪实例并未进行规则限制,部分伪实例并不符合真实样本的规律,下一步研究工作可围绕伪实例的检测展开。此外,本文研究工作在“机器学习的安全性问题研究方面”具有一定的指导意义。