본 논문은 공동 훈련, 일관성 정규화 및 가짜 레이블링 패러다임을 결합한 새로운 반지도 학습(SSL) 알고리즘인 MultiMatch를 소개합니다. MultiMatch는 헤드 일치도 및 모델 신뢰도를 기반으로 가짜 레이블을 선택 및 필터링하고 인식된 분류 난이도에 따라 가중치를 부여하도록 설계된 가짜 레이블 가중 모듈을 핵심으로 합니다. 이 모듈은 Multihead Co-training의 헤드 일치도, FreeMatch의 자기 적응형 임계값, MarginMatch의 평균 가짜 마진의 세 가지 기존 기술을 향상시키고 통합하여 SSL 설정에서 견고성과 성능을 향상시키는 전체적인 접근 방식을 제공합니다. 실험 결과는 5개의 자연어 처리 데이터 세트에서 10개의 설정 중 8개에서 최첨단 결과를 달성하고 21개 방법 중 Friedman 테스트에 따라 1위를 차지하는 등 MultiMatch의 우수한 성능을 강조합니다. 또한 MultiMatch는 매우 불균형한 설정에서 탁월한 견고성을 보여 두 번째로 좋은 접근 방식보다 3.26% 앞서며, 이는 실제 텍스트 분류 작업에 중요한 이점입니다.
