ओपन-वार्ल्ड सेमी-सुपरवाइज्ड लर्निंग (OWSSL) का लक्ष्य ज्ञात और अज्ञात श्रेणियों दोनों को पहचानना है, लेकिन लेबल किए गए नमूने केवल ज्ञात श्रेणियों को ही कवर करते हैं। मौजूदा OWSSL विधियाँ मुख्य रूप से श्रेणियों का प्रतिनिधित्व प्रतीकात्मक चर के रूप में करती हैं, जो श्रेणियों के साथ जुड़े समृद्ध आंतरिक सेमांटिक जानकारी की अनदेखी करती हैं और इस प्रकार अज्ञात श्रेणियों को पहचानने की उनकी क्षमता को बाधित करती हैं। हालिया अध्ययन वर्गों के पाठ्य ब Bekanntियों को शामिल करते हैं ताकि प्रशिक्षण को सुगम बनाया जा सके, लेकिन ये तरीके वर्गों के सेमांटिक संबंधों को नजरअंदाज करते हैं, जो अज्ञात श्रेणियों को पहचानने में उनकी प्रभावशीलता को सीमित करता है। इन समस्याओं को हल करने के लिए, हम एक नवीन OWSSL विधि का प्रस्ताव करते हैं। हमारी विधि प्रशिक्षण के दौरान केवल छवि एन्कोडर को फाइन-ट्यून करती है जबकि पाठ एन्कोडर को स्थिर रखती है, इस प्रकार पूर्व-प्रशिक्षण चरण के दौरान सीखे गए समृद्ध सेमांटिक संबंधों को संरक्षित करता है। इसके अतिरिक्त, हम पाठ्य विवरणों से वर्ग सेमांटिक संबंधों को निकालने के लिए एक सेमांटिक मार्जिन का उपयोग करते हैं, जिन्हें फिर छवि प्रतिनिधित्व की विभेदनशीलता को बढ़ाने में उपयोग किया जाता है। विभिन्न डेटा सेटों में प्रयोगात्मक परिणाम दर्शाते हैं कि हमारी विधि ज्ञात और अज्ञात दोनों श्रेणियों की पहचान में प्रतिनिधि OWSSL विधियों की तुलना में उल्लेखनीय रूप से बेहतर प्रदर्शन करती है।
फैन एट अल। (सोम,) ने इस प्रश्न पर अध्ययन किया।