arXiv · ML· Oliver Majer, Saso Dzeroski, Jurica Levatic·· 2026-10-16AI 评分23
半监督 QSAR 建模中未标记数据的选择策略研究
Not All Unlabeled Data Are Equal: Unlabeled Data Selection for Semi-Supervised QSAR Modeling with Large Chemical Repositories
AI 导读
研究发现,在基于 ChEMBL 的 10 个 QSAR 数据集上,未标记数据能提升模型性能,且每种半监督算法配置均优于监督基线。 测试了 3 种半监督算法和 4 种数据选择策略,结果表明选择少量化学距离较远的分子比单纯增加数据量更有效。 该结果挑战了半监督学习需要海量未标记数据的传统假设,强调了未标记集合构成的关键作用。
来源:arXiv · ML · arxiv.org