Semi-supervised Active Learning

Semi-supervised Active Learning (SSAL) er et hybrid læringsparadigme, der kombinerer aktiv lærings selektive forespørgselsstrategi med semi-supervised lærings evne til at udnytte uannoterede data. Modellen vælger iterativt de mest informative uannoterede instanser til ekspertannotation, mens den samtidigt udnytter den store pulje af uannoterede prøver til at forbedre sine egne repræsentationer, hvilket dramatisk reducerer annoteringsomkostninger, samtidig med at der opretholdes en stærk prædiktiv nøjagtighed.