CCF2020大数据与计算智能大赛——面向数据安全治理的数据内容智能发现与分级分类
# 在比赛即将结束的时候进入。然后。。就是很菜。
Zero-Shot Learning
目前流行的zero-shot方案有两种：
（1）人工专家未知标签的类中心定义，再进行向量化；
（2）海量的数据集自动学习未知类中心向量。
其中（1）更加准确，效果更好，但是更加麻烦。
在不能使用外部数据的情况下，也不能人工写某些概念性的东西，所以直接采用Zero-Shot方案难度较大。
可以尝试使用远程监督的方法是。
在content中包含“科技”字眼，就认为是科技相关，包含“家居”字眼，就认为是家居相关。但是这样很粗糙，可以精简为：
仅包含唯一一个关键词字眼的content才能被打上标记，比如某个文档中有“科技”和“教育”，那么这个文档就不能直接打标了。这样的话，我们train数据集有多少合适的样本呢？
分两步来分析，先找包含关键词且标注正确的样本，再找只包含一个关键词的正确样本。
零次学习基本概念
利用过去的知识，在脑海中推理出新对象的具体形态，从而能对新对象进行辨认。ZSL（zero-shot learning）就是希望能够模仿人类的这个推理过程，使得计算机具有识别新事物的能力。
ZSL希望我们的模型能够对其从没见过的类别进行分类，让机器具有推理能力，实现真正的智能。其中零次（Zero-shot）是指对于要分类的对象，一次也不学习。
（没写完还）