프로젝트 소개
본 과제는 라벨이 없는 데이터만으로 먼저 특징을 학습한 뒤, 그 결과를 바탕으로 라벨링할 데이터를 고르는 자기 지도 학습 기반 능동적 학습법을 개발하는 연구임.
연구 목표는 콜드스타트와 편향성 문제를 줄이고, 기존 방법과 결합한 하이브리드 기법으로 CoreGCN 대비 4% 이상 성능 향상을 달성하는 데 있음. 핵심 연구 내용은 self-supervised learning의 semantic feature와 objective/loss, feature distribution을 활용해 라벨링 대상 데이터를 선정하고, 기존 모델 기반 능동적 학습과 상호보완 구조를 구성하는 것임. 기대 효과는 라벨링 비용 절감, 성능 향상, 데이터 수집·정제 효율 개선, 향후 다양한 자기 지도 학습 확장 가능성 확보임.