从众包三元组比较中进行多视图表示学习

众包已在众多领域被用于大规模数据收集。三元组相似性比较是一种众包任务，其中众包工作者被问及“在三个给定对象中，哪两个更相似？”，这对人类而言相对容易回答。然而，该比较有时可基于多个视图，即不同的独立属性（如颜色与形状）。每个视图可能导致同一三个对象的不同结果。尽管先前工作提出了一种算法来生成多视图嵌入，但其至少存在两个问题：（1）现有算法无法独立预测新样本的多视图嵌入；（2）不同人可能偏好不同视图。在本研究中，我们提出了一种端到端归纳深度学习框架来解决多视图表示学习问题。结果表明，我们提出的方法可获取任意对象的多视图嵌入，其中每个视图对应于该对象的一个独立属性。我们从众包平台收集了两个数据集，以实验性地考察所提方法相较于常规基线方法的性能。