论文摘要:现代的深度迁移学习方法主要侧重于从一个任务中学习可转移到其他任务中的一般特征向量,如语言中的单词嵌入和视觉中的预训练卷积特征。然而,这些方法通常传递一元特征,并在很大程度上忽略了更结构化的图形表示。这项工作探索了学习通用潜关系图的可能性,它捕获了数据单位对之间的依赖关系(例如,单词或像素),从大规模的未标记数据,并将图传输到下游任务。