11.63 属性关系的自动学习

由于不同属性是对同一目标不同角度特征的描述，因此属性之间很可能存在某种相关关系。例如，“游泳”和“水”两个属性非常相关，而“游泳”和“植食性”两个属性相关性不强。直觉上，挖掘并利用属性之间的相关关系可为后续处理过程提供丰富而鲁棒的高阶信息，并有助于约减搜索空间，提高属性分类器的泛化性能。传统属性学习方法中，属性之间的关系一般通过预先统计或者借助外在语义 知 识 库（ 如 WordNet、Wikipedia 和 Yahoo Web等）获得，且独立于属性分类器的构建，很大程度上限制了对属性关系的精细刻画并导致属性分类性能的次优性。相应地，本文提出了属性学习一般框架下的自动属性关系学习模型，并尝试通过协方差矩阵来刻画属性之间的相关关系，将属性关系和属性分类器设计融合到统一框架中。具体地，将反映属性关系的逆协方差矩阵引入到属性学习中，并将其作为正则化项融合到多属性分类器的联合学习框架中，实现了属性关系的自动挖掘。此外，设计了两种基于属性表示的零样本学习框架，并将所学到的属性关系嵌入到传统（即不考虑属性关系）属性分类器，实现了属性关系的重用，进一步提高了传统分类器的零样本分类性能。大量实验分析验证了所提方法的可行性和有效性。