为了解决这个困难,我们提出了一些算法,可以利用其他类型的信息来在给定一定量数据的情况下实现更好的性能。在本文中,我们展示了如何利用几种信息,包括:(1)未标记数据;(2)来自其他领域的数据;(3)先验知识。首先,当感兴趣领域的未标记数据可用时,半监督学习可以通过正则化模型对类似示例做出一致的预测来有效地提高深度学习模型的性能;其次,当有来自其他领域的数据可用时,可以应用迁移学习或领域自适应将从其他领域学到的一般知识或特定于任务的知识迁移到感兴趣的领域;最后,利用先验知识,我们可以向模型中注入有针对性的归纳偏差并利用外部知识库。