[問題] 機器學習向量空間一對多的表示方法?

[stayfool (fool)]

作業系統:win10

問題類別:ML

使用工具::python,tensorflow

問題內容:

有A , B 兩個空間，A空間的1個元素會對應到B空間的多個元素，

例如A空間有一元素叫作水果，會對應到B空間的荔枝、香蕉、芭樂等元素，

要訓練機器將荔枝、香蕉、芭樂等等元素看過後(B空間的水果元素當作訓練集)，

然後輸入某個水果，假設輸入西瓜，西瓜是不在B空間的水果元素當作測試集，

讓機器能夠判斷西瓜跟香蕉、芭樂等元素相似，會輸出"水果"這個答案，

想要輸入荔枝、香蕉、芭樂等各種水果元素

機器能回應"水果"，該怎麼作?該找哪方面的資料?請各位大大提點，謝謝

PS: 水果元素只是舉例，並不是真的要讓機器看水果圖片，

    訓練資料都是文字，沒有圖片

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.160.217.64 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1669101344.A.CC9.html
推 yiche: 測試資料如果沒在training時被模型看過，卻希望模型能準確
→ yiche: 識別分類，整個難度會上升很多
→ yiche: 因為是文字資料seq2seq 是可以考慮的
→ yiche: 另外不清楚是不是有multi-label的情況，有的話要注意不是一
→ yiche: 般multi-class的分類問題。
→ lycantrope: a一下作者 可以省下不少時間
→ yoyololicon: 生成模型有一些概念類似你想做的事
→ yoyololicon: 也許你可以換個方向思考
→ chang1248w: 佛渡有緣人
→ chang1248w: 這不就是word embedding 在做的目標嗎
→ chang1248w: 把bert的結構用contractive learning的角度想一遍
→ chang1248w: 只要A集是已決定的，剩下好說
→ chang1248w: 寒酸一點詞袋也不是不行做
→ chang1248w: 比較有意思的是要怎麼把B分群之後，定出有代表性的屬
→ chang1248w: 性當作A的。標籤
推 hsuchengmath: 讓bert 預測 水果 荔枝 是不是同一類，bert應該能tr
→ hsuchengmath: ansfer 學習到其他  類別的對應 預測
推 OnePiecePR: 很像 word2vec