Semicca：一种用于关键词检索的新型半监督概率 CCA 模型

基于摘要分析。该研究面向文档图像中的关键词检索（KWS），提出半监督、基于属性的概率 CCA 模型 Semicca，利用没有字符串标注的已分割词图像，以及没有对应词图像的字符串标注，补充配对训练信息。 方法扩展了 Canonical Correlation Analysis（CCA）的概率解释，并使用 Expectation-Maximization（EM）求解。测试时，模型根据观测计算嵌入空间的后验密度，将查询和数据库图像映射到嵌入空间，再通过欧氏空间中的最近邻搜索完成关键词检索。摘要没有给出属性表示、概率分布假设及具体参数更新公式，这些实现细节尚未验证。 作者报告，在 Bentham 和 George Washington 数据集的关键词检索试验中，模型在存在部分标注数据时表现更优。摘要未提供具体指标、数值、对照模型、数据划分或未配对数据比例，因此尚不能判断收益大小及其适用条件；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其可借鉴之处是利用配对与未配对观测学习共享表示，而不是文档检索结果本身。假设 EEG 与刺激属性之间存在可由概率 CCA 描述的共享结构，该机制可能用于配对标注有限的跨模态学习；前提是未配对 EEG 与属性数据来自相容分布。可复用概率潜变量建模与 EM 求解框架，但需改造 EEG 特征、属性表示及观测噪声模型。低信噪比、跨被试差异、通道配置变化及小样本参数估计均可能使共享表示失效。可在固定被试内划分下，对比仅使用配对数据的概率 CCA 与逐步加入未配对训练数据的版本，使用同一跨模态检索指标检验增益。已有 EEG 相关工作尚未检索确认。