信息检索视角下的少样本学习
机器学习
2017-11-15 v2
摘要
少样本学习指的是仅从少量示例中理解新概念。我们针对该问题提出了一种受信息检索启发的方法，其动机是在这种低数据状态下最大化利用所有可用信息的重要性日益增加。我们定义了一个训练目标，旨在通过同时对批次点的所有相对排序进行有效优化，从每个训练批次中提取尽可能多的信息。具体而言，我们将每个批次点视为一个“查询”(query)，根据其预测与剩余点的相关性对它们进行排序，并在结构化预测框架内定义模型以优化这些排序上的平均精度均值（mean Average Precision）。我们的方法在标准少样本分类基准上取得了令人印象深刻的结果，同时也能够进行少样本检索。
引用
@article{arxiv.1707.02610,
title = {Few-Shot Learning Through an Information Retrieval Lens},
author = {Eleni Triantafillou and Richard Zemel and Raquel Urtasun},
journal= {arXiv preprint arXiv:1707.02610},
year = {2017}
}