두 종류의 분포 문제
학습 클래스가 불균형한 데 더해 표지 자료와 무표지 자료의 클래스 분포까지 다르면 의사 표지의 편향이 커질 수 있다. DASO는 두 조건이 함께 나타나는 설정을 고려한다.
상보적인 의사 표지
유사도 기반 분류기가 만든 의미 의사 표지와 선형 분류기가 만든 표지는 편향 측면에서 상보적이라는 관찰을 활용한다. 각 클래스에 적응적으로 두 표지를 혼합하는 일반적인 틀을 제안했다.
균형 잡힌 표현
의미 정렬 손실을 도입해 균형 잡힌 특징 표현을 형성하고 분류기의 편향된 예측을 줄이려 한다. 원 연구는 긴 꼬리 영상 자료와 개방 집합 클래스가 있는 Semi-Aves 등을 평가했다.
관련 문서
의사 표지 / 반지도 학습 / 클래스 불균형 / DARP 의사 표지 정제 / CReST / 표현 학습