基于部分异构上下文的标签嵌入
计算机视觉与模式识别
2018-12-27 v2
摘要
标签嵌入在许多现实应用中起着重要作用。为了增强嵌入所捕获的标签关联性，可采用多种上下文。然而，这些上下文是异构的，且在实际任务中常部分观测到，给捕获标签间整体关联性带来重大挑战。本文提出一个通用的部分异构上下文标签嵌入（PHCLE）框架以应对这些挑战。将异构上下文分为关系上下文与描述上下文两类，我们设计了量身定制的矩阵分解公式，以有效利用各上下文中的标签关联性。借助跨异构上下文的共享嵌入原则，标签关联性在共享空间中被选择性对齐。由于优雅的公式表达，PHCLE 克服了部分上下文问题，并能很好地纳入更多上下文，这两点都是现有多上下文标签嵌入方法无法处理的。进一步推导了一种有效的交替优化算法来求解稀疏矩阵分解问题。实验结果表明，用 PHCLE 获得的标签嵌入在图像分类任务中取得了优异性能，并在下游标签相似性分析与图像理解任务中展现出良好的可解释性。
引用
@article{arxiv.1805.01199,
title = {Label Embedding with Partial Heterogeneous Contexts},
author = {Yaxin Shi and Donna Xu and Yuangang Pan and Ivor W. Tsang and Shirui Pan},
journal= {arXiv preprint arXiv:1805.01199},
year = {2018}
}
备注
8 pages,3 figures