疑似ラベル法は正解ラベルを持たないデータに対し、モデルが高い確信度で予測したデータを教師データとして扱うという半教師あり学習手法であるが、高信頼な確信度を得るには十分なラベル付きデータが必要という課題を有する。本研究では『データの学習寄与度を定量化するData Shapley（DS）値とラベル正誤に高い関連性があり、学習前のニューラルネットもその傾向を強く示す』という発見に基づき、ランダムに初期化された複数のニューラルネットへ一回だけ順伝搬し、得られた複数のDS値をアンサンブルするという疑似ラベル推定法を提案する。多層パーセプトロンと少量の画像データを用いた実験にて提案法の有用性が示された。