Semi-supervised Active Learning

Semi-supervised Active Learning (SSAL) ist ein hybrides Lernparadigma, das die selektive Abfragestrategie des Active Learning mit der Fähigkeit des Semi-supervised Learning kombiniert, unbeschriftete Daten zu nutzen. Das Modell wählt iterativ die informativsten unbeschrifteten Instanzen für die Expertenannotation aus, während es gleichzeitig den großen Pool unbeschrifteter Stichproben nutzt, um seine eigenen Repräsentationen zu verbessern, wodurch die Annotationskosten drastisch reduziert und gleichzeitig eine starke Vorhersagegenauigkeit beibehalten wird.