CAL:对比主动学习.
对比主动学习(contrastive active learning, CAL)旨在选择具有对比性的样本。如果两个具有不同标签的样本具有相似的特征表示,则把它们看作对比样本。
对于一对对比样本应满足:
对于一个未标注的样本,CAL选择样本的流程如下:
- 选择特征空间中与其距离最近的个标注样本
- 计算未标注样本特征与选出的个标注样本特征之间的KL散度;
- 未标注样本的对比得分为所有KL散度的平均值:
- 选择具有高对比得分的样本进行标注。
作者给出了CAL在不同分类任务上的实验结果:
Related Issues not found
Please contact @0809zheng to initialize the comment