机器学习分类算法中如何实现非对称关系？答案

【问题标题】：How to implement asymmetric relationship in machine learning Classification algorithm?机器学习分类算法中如何实现非对称关系？
【发布时间】：2021-08-23 16:54:59
【问题描述】：

我正在尝试构建一个分类系统，如果图像 B 是图像 A 的子类别，则将图像对作为输入和输出 {0 或 1}。

以下是一些数据示例。

输入：图像 A [苹果树] 和图像 B [苹果] |输出：[1]
输入：[橙树] & [橙] |输出：[1]
输入：[苹果树] & [橙树] |输出：[0]
输入：[苹果] & [苹果树] |输出：[0]

这需要模型架构中的不对称关系（苹果树 --> 苹果，但不是相反），我努力寻找有助于解决这种情况的结构。

我曾尝试研究产品推荐/服装兼容性论文，因为它们似乎有不对称的关系（例如笔记本电脑到充电器）。但大多数研究似乎都在使用协同过滤而没有解决不对称问题。

是否有任何模型结构或论文可以解决不对称问题？任何形式的帮助将不胜感激。

【问题讨论】：

标签： python algorithm tensorflow machine-learning neural-network

【解决方案1】：

我建议使用某种数据增强来教您的模型问题的性质，假设您的模型有一个输入层来接受 2 个图像和一个标志来显示欲望关系，如果您添加一些合成对来澄清模型的问题（关系的方向）。确切地说，您只需颠倒图像的顺序，就可以为每个带有标签 0 的正（标签 = 1）记录添加另一个合成样本！

[Orange Tree] & [Orange] | Label: [1] # Real
[Orange] & [Orange Tree] | Label: [0] # Synthetic

【讨论】：