TL;DR使用 TrGCN 结构，从 common sense knowledge graphs 中，学习类别的表示形式，有效地提高了 zero-shot learning 的准确性。
Abstract
zero-shot learning relies on semantic class representations such as
hand-engineered attributes or learned embeddings to predict classes without any
labeled examples. We propose to learn class representations by e
本文研究使用本体论和知识图谱来增强零样本学习的方法，提出了一种新的零样本学习框架 DOZSL，其中包含两种新的基于生成模型和图传播模型的解决方案，能够有效利用分离的本体论嵌入来捕捉和利用不同方面的更细粒度的类之间的关系。在零样本图像分类和零样本 KG 完成方面的五个基准测试中，DOZSL 通常比最先进的方法获得更好的性能，其组件已通过消融研究和案例研究进行了验证。