利用语义在多关系嵌入中进行增量学习
机器学习
2019-07-10 v2 机器学习
摘要
服务机器人受益于以语义上有意义的方式编码信息，以实现更稳健的任务执行。先前工作表明，多关系嵌入可编码语义知识图以促进泛化性与可扩展性，但仅限于批量学习范式内。我们提出增量语义初始化（ISI），一种增量学习方法，使新颖语义概念能够根据先前学习的语义相似概念的嵌入在嵌入中被初始化。我们在挖掘的 AI2Thor 和 MatterPort3D 数据集上评估 ISI；实验表明，平均而言 ISI 将即时查询性能提升了 41.4%。此外，ISI 方法平均将模型接近收敛所需的训练轮数减少了 78.2%。
引用
@article{arxiv.1905.12181,
title = {Leveraging Semantics for Incremental Learning in Multi-Relational Embeddings},
author = {Angel Daruna and Weiyu Liu and Zsolt Kira and Sonia Chernova},
journal= {arXiv preprint arXiv:1905.12181},
year = {2019}
}
备注
10 pages, 6 figures, 3 tables