기존 표현에 붙이는 분류기
불균형한 자료에서 다수 클래스 쪽으로 치우친 예측을 다시 학습에 사용하면 반지도 학습의 편향이 커질 수 있다. 기존 모형의 표현 층에 보조 균형 분류기를 붙여 이 문제를 다룬다.
미니배치의 균형 손실
보조 분류기는 미니배치의 클래스 균형 손실로 학습한다. 기반 반지도 모형은 미니배치 전체 자료에서 표현을 배우므로 일부 자료만 남기는 과정의 정보 손실과 과적합을 줄이려는 구성이다.
무표지 자료의 선택
클래스별로 같은 확률로 무표지 자료를 선택하는 수정된 일관성 정규화를 보조 분류기에 사용한다. 원 연구는 네 벤치마크에서 여러 클래스 불균형 반지도 조건을 평가했다.