热门城市
- 快召唤伙伴们来围观吧
- 微博 QQ QQ空间 贴吧
- 视频嵌入链接
- 复制
- 微信扫一扫分享
- 已成功复制到剪贴板
图学习视角下的开放环境表征学习初探
点赞
0
收藏
0
目前的机器学习问题和方法大多假设封闭的训练-评测准则，即训练集与测试集共享同样的输入/输出空间，测试数据中出现的实体和特征都在训练阶段被模型接触过。然而现实中的许多场景要求模型与开放动态的环境进行交互，包括但不限于：推荐系统中会出现新的用户/商品，在线广告系统中随着新平台的引入会产生新的用户画像/行为特征，医疗诊断中需要为新研发的药物或组合选择合适的适用人群。
上述情形所面临的核心问题和挑战是模型在不进行重新训练（非常耗时）或微调（存在遗忘风险）的限制下，如何从训练阶段接触的有限观测集泛化到新的观测集上。本次报告将介绍最新的两项研究工作，从图表示学习与图结构学习的视角，为开放世界的学习问题探索一套新的解决方案，并从理论和实践两个维度给出分析和讨论。此外，还将讨论沿着目前的方法论可能存在的拓展方向，以及对其他应用领域的适用潜力，作为未来的展望。
0点赞
0收藏
3秒后跳转登录页面
去登陆
