Combinando aprendizado ativo e aprendizado semi-supervisionado baseado em grafos

Jhonatan Candao, Lilian Berton
2020 Anais do Encontro Nacional de Inteligência Artificial e Computacional (ENIAC)   unpublished
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
more » ... . 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.
doi:10.5753/eniac.2019.9326 fatcat:yr4fw6qa45be3hxkqwy6owahka