《中國人工智能學會通訊》——11.63 屬性關系的自動學習

由于不同屬性是對同一目标不同角度特征的描述，是以屬性之間很可能存在某種相關關系。例如，“遊泳”和“水”兩個屬性非常相關，而“遊泳”和“植食性”兩個屬性相關性不強。直覺上，挖掘并利用屬性之間的相關關系可為後續處理過程提供豐富而魯棒的高階資訊，并有助于約減搜尋空間，提高屬性分類器的泛化性能。傳統屬性學習方法中，屬性之間的關系一般通過預先統計或者借助外在語義 知 識 庫（ 如 WordNet、Wikipedia 和 Yahoo Web等）獲得，且獨立于屬性分類器的建構，很大程度上限制了對屬性關系的精細刻畫并導緻屬性分類性能的次優性。相應地，本文提出了屬性學習一般架構下的自動屬性關系學習模型，并嘗試通過協方差矩陣來刻畫屬性之間的相關關系，将屬性關系和屬性分類器設計融合到統一架構中。具體地，将反映屬性關系的逆協方差矩陣引入到屬性學習中，并将其作為正則化項融合到多屬性分類器的聯合學習架構中，實作了屬性關系的自動挖掘。此外，設計了兩種基于屬性表示的零樣本學習架構，并将所學到的屬性關系嵌入到傳統（即不考慮屬性關系）屬性分類器，實作了屬性關系的重用，進一步提高了傳統分類器的零樣本分類性能。大量實驗分析驗證了所提方法的可行性和有效性。