@inproceedings{candao_berton_2020, 
  title={Combinando aprendizado ativo e aprendizado semi-supervisionado baseado em grafos}, 
  DOI={10.5753/eniac.2019.9326}, 
  abstractNote={<jats:p>A escassez de dados rotulados é um problema comum em muitas aplicações. O aprendizado semissupervisionado visa minimizar a necessidade de anotação humana combinando um pequeno conjunto de dados rotulados com uma enorme quantidade de dados não rotulados. Da mesma forma que o aprendizado semissupervisionado, o aprendizado ativo reduz os esforços de anotação, selecionando os pontos mais informativos. Poucos trabalhos exploram o aprendizado ativo e o aprendizado semissupervisionado baseado em grafos. Neste trabalho, combinamos as duas estratégias e exploramos dois algoritmos de propagação de rótulos e duas estratégias de consulta do aprendizado ativo em um cenário baseado em pool. Resultados experimentais em conjuntos de dados artificiais e reais indicam que nossa abordagem requer muito menos instâncias rotuladas para alcançar o mesmo desempenho da seleção aleatória de rótulos.</jats:p>}, 
  publisher={Sociedade Brasileira de Computação - SBC}, 
  author={Candao, Jhonatan and Berton, Lilian}, 
  year={2020}, 
  month={Jan}
  }