基于语义输出编码的无限标签学习
机器学习
2017-10-24 v3
摘要
我们提出了一种新的统计机器学习范式，称为无限标签学习，旨在从候选标签集中为一个数据点标注多个相关标签，该候选集汇集了训练时观察到的有限标签以及潜在无限数量的先前未见标签。无限标签学习从根本上拓展了传统多标签学习的范围，更好地建模了诸如图像标注、广告-查询关联和文章分类等现实应用中的实际需求。然而，我们如何学习一个能够为数据点分配训练集中缺失标签的标注函数？为回答此问题，我们从近期零样本学习的工作中寻找线索，其关键在于用语义编码向量表示一个类别/标签，而非将其视为原子标签。我们通过理论上的PAC界以及在合成数据和真实数据上的实证研究，验证了无限标签学习。
引用
@article{arxiv.1608.06608,
title = {Infinite-Label Learning with Semantic Output Codes},
author = {Yang Zhang and Rupam Acharyya and Ji Liu and Boqing Gong},
journal= {arXiv preprint arXiv:1608.06608},
year = {2017}
}