非配对典型相关分析（UCCA）

研究人员提出非配对典型相关分析（UCCA），在训练期间完全无需配对样本即可学习线性投影，最大化潜在真实配对的相关性。该方法建立了二次分配问题（QAP）与 CCA 的理论关联，据此推导出仅利用非配对数据最大化相关性的实用方案。在真实多模态数据集上的实验表明，UCCA 在恢复真实相关性上显著优于近期的非配对对齐基线。