在贝叶斯主动学习中更好地利用无标签数据

贝叶斯主动学习中占主导地位的是完全监督模型。我们认为，这些模型忽略了无标签数据中所包含的信息，不仅会损害预测性能，还会影响关于何时获取数据的决策。我们的解决方案是一种简单的半监督贝叶斯主动学习框架。我们发现，它产生的模型性能优于传统贝叶斯主动学习或使用随机获取数据的半监督学习。它在规模化方面也比传统方法更容易实现。除了支持向半监督模型转变的趋势外，我们的发现还突显了同时研究模型和获取方法的重要性。