두 선택 신호
레이블을 요청할 예시를 고를 때 다양성과 불확실성은 서로 다른 정보를 준다. BAL은 이 두 종류의 자료를 함께 다루는 선택 구성을 제안했다.
자기 지도 특징
자기 지도 학습에서 얻은 특징을 사용한다. 다양한 자료를 식별하기 위한 척도로 군집 거리 차이인 Cluster Distance Difference를 도입했다.
적응적인 후보 집합
적응적인 하위 후보 집합을 만들어 다양한 자료와 불확실한 자료의 균형을 맞춘다. 하나의 고정 기준으로 전체 후보를 정렬하는 것과 구별되는 구성이다.
예산을 바꾼 평가
일반적인 벤치마크뿐 아니라 더 작거나 큰 레이블 예산의 설정에서도 성능을 평가했다. 원 연구의 비교 결과는 해당 자료와 예산 조건에서의 관찰이다.
관련 문서
BADGE 능동 학습 / Cluster-Margin / TypiClust / ProbCover / ALFA-Mix / BAIT 능동 학습