抽象的
目前在特征学习中的最先进依赖于由目标内容项及其各自类别标签组成的大规模数据集的监督学习。然而，构建这种大规模的完全标记的数据集通常需要艰苦的手动努力。此问题的一个可能解决方案是使用社区贡献的文本标记作为弱标签，但是，单个文本标记的底层概念强烈取决于用户。我们通过充分利用社交网络服务（SNSS）的人为策策来提出新的范例来学习歧视性功能。在内容策策过程中，SNS用户从各种来源手动收集内容项，并通过上下文组分组，所有这些都是为了自己的利益。由于此过程的性质，我们可以假设（1）同一组中的内容项共享相同的语义概念和（2）分享相同图像的组可能具有相关的语义概念。通过这些洞察力，我们可以将人类策划组定义为我们所提出的框架可以学习歧视特征作为在创建组时的语义概念空间中的歧视特征。我们表明，该特征学习可以被配制为与基于内容项和人类策划组对应的双链图的链路预测的问题，并且提出了一种基于稀疏编码或网络微调的特征学习的新方法。
作者
Yusuke Mukuta，Akisato Kimura，David B Adrian，Zoubin Ghahramani.
会议
AAAI 2018.
全文
优步AI.
注释