본 논문은 제한된 레이블 데이터를 갖는 상황에서 분류 성능을 향상시키기 위해 거리 기반 가중치 부여 메커니즘을 활용하는 준지도 학습 프레임워크를 제안합니다. 테스트 데이터와의 근접성을 기반으로 중요한 훈련 샘플을 우선순위화하여 모델의 일반화 및 강건성을 향상시키는 데 중점을 둡니다. 불확실성 일관성 및 그래프 기반 표현과 같은 기술을 기반으로, 제한된 레이블 데이터의 문제를 해결하면서 확장성을 유지합니다. 12개의 벤치마크 데이터셋에 대한 실험 결과, 정확도, 정밀도, 재현율을 포함한 주요 지표에서 기존 방법보다 우수한 성능을 보였습니다. 의료 및 보안과 같이 데이터 제약이 심각한 문제가 되는 분야에서 잠재적인 응용 가능성을 제공합니다.
