目录
1. zero-shot learning
训练集中没有某个新的类别的样本,但是通过对其他类别样本的学习,还可以提取出这个新类的特征
zero-shot
2. one-shot learning;
每个样本都有少量的样本,通过knowledge graph、domain-knowledge的方法,可以升级小数据集之间的映射
3. few-shot learning;
类似于one-shot
one-shot/few-shot
4. self-training;
是一种半监督学习:利用大量无标签的数据和少量有标签的数据进行模型的训练

方法:
- 通过有标签的数据训练一个分类器
- 利用训练好的模型对于无标签的数据进行分类,选出最有把握的样本,将其加入到有标签的数据集中
- 在更新的有标签的数据集中重复(2)的步骤,直到所有无标签的数据都被标注完。
5. contrastive learning
是一种自监督学习:不需