의사 표지의 양과 질
신뢰 문턱값을 엄격하게 두면 사용할 의사 표지가 줄고 느슨하게 두면 품질이 낮은 표지가 섞일 수 있다. 원 연구는 의사 표지 방법을 공통된 표본 가중 틀로 정리해 이 절충 문제를 살폈다.
부드러운 신뢰 가중치
잘린 가우스 함수로 신뢰도에 따른 표본 가중치를 계산한다. 문턱값으로 표본을 단순히 채택하거나 버리는 방식의 부드러운 버전으로 해석하며 많은 표지를 활용하면서 품질도 유지하려는 구성이다.
덜 학습된 클래스의 활용
학습이 약한 클래스의 자료를 더 활용하기 위해 균등 정렬 방법을 추가했다. 원 연구는 영상과 텍스트 및 불균형 분류를 포함한 여러 벤치마크에서 방법을 평가했다.