综述论文“A Survey of Zero-Shot Learning: Settings, Methods, and Applications”

该零样本学习综述，发表于ACM Trans. Intell. Syst. Technol. 10, 2, Article 13 (January 2019)

摘要：大多数机器学习方法着重于对已经在训练中看到其类别的实例进行分类。 实际上，许多应用程序需要对实例进行分类，而这些实例的类以前没有见过。 零样本学习（Zero-Shot Learning）是一种强大而有前途的学习范例，其中训练实例涵盖的类别与想分类的类别是不相交的。 本文对零样本学习进行了全面的综述。 首先，我们概述了零样本学习。 根据模型优化中使用的数据，将零样本学习分为三个学习设置。 其次，描述了现有零样本学习方法中采用的不同语义空间。 第三，将现有的零样本学习方法进行分类，并对每个类介绍代表性方法。 第四，讨论零样本学习的不同应用。 最后，重点介绍零样本学习有前途的未来研究方向。