PulseAugur
中
实时 19:36:55
English(EN) Not All Unlabeled Data Are Equal: Unlabeled Data Selection for Semi-Supervised QSAR Modeling with Large Chemical Repositories

未标记数据选择提升化学研究中的QSAR模型

作者 PulseAugur 编辑部 · [1 个来源] ·

一项新研究探讨了半监督学习（SSL）在定量结构-活性关系（QSAR）建模中的有效性，特别是在标记数据稀缺但未标记数据丰富的化学等领域。研究人员使用一个包含超过40万个未标记分子的庞大数据集，评估了三种SSL算法——自训练、协同训练和标签传播——以及四种数据选择策略。研究结果表明，未标记数据确实可以增强QSAR模型，并且在多个数据集上，特定的选择方法优于监督基线。值得注意的是，研究表明，所选未标记分子的多样性和化学距离比单纯的数量对实现可靠的改进更为关键。 AI

影响 这项研究表明，仔细选择未标记数据，而不是仅仅追求数量，可以显著提高AI模型在化学等数据稀缺领域的性能。

排序理由 该集群包含一篇详细介绍QSAR建模未标记数据选择系统性研究的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

未标记数据选择提升化学研究中的QSAR模型

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍QSAR建模未标记数据选择系统性研究的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
10 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    并非所有未标记数据都相等：大规模化学数据库半监督QSAR建模的未标记数据选择

    Semi-supervised learning (SSL) is particularly attractive in domains where labels are expensive to obtain, while unlabeled examples are readily available. Quantitative Structure-Activity Relationship (QSAR) modeling, which predicts molecular biological activity from chemical stru…

相关实体

相关话题