零样本图学习综述

摘要：

深度学习方法的提出使得机器学习研究领域得到了巨大突破,但是却需要大量的人工标注数据来辅助完成.在实际问题中,受限于人力成本,许多应用需要对从未见过的实例类别进行推理判断.为此,零样本学习(zero-shot learning,ZSL)应运而生.图作为一种表示事物之间联系的自然数据结构,目前在零样本学习中受到了越来越多的关注.本文对零样本图学习方法进行了系统综述.首先概述了零样本学习和图学习的定义,并总结了零样本学习现有的解决方案思想.然后依据图的不同利用方式对目前零样本图学习的方法体系进行了分类.接下来讨论了零样本图学习所涉及到的评估准则和数据集.最后指明了零样本图学习进一步研究中需要解决的问题以及未来可能的发展方向.

关键词：零样本学习、图学习、跨模态学习、属性、词向量、流形对齐、深度学习、图像识别

所属期刊栏目：31

分类号：G251;TP391.41;TP181

资助基金：国家自然科学基金;中央高校基本科研业务费专项;中央高校基本科研业务费专项;中央高校基本科研业务费专项

在线出版日期：2022-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共20页

页码：1-20