Semi-supervised Active Learning

Semi-supervised Active Learning (SSAL) är ett hybridinlärningsparadigm som kombinerar aktiv inlärnings selektiva frågestrategi med semi-supervised inlärnings förmåga att utnyttja oetiketterad data. Modellen väljer iterativt de mest informativa oetiketterade exemplen för expertannotation samtidigt som den utnyttjar den stora poolen av oetiketterade sampel för att förbättra sina egna representationer, vilket dramatiskt minskar etiketteringskostnaderna samtidigt som stark prediktiv noggrannhet bibehålls.