零样本学习 (ZSL) 模型通过将从训练数据中学习的特征与通过共享属性、文本嵌入或分层关系来描述的未见类连接起来，从而利用语义知识。 这些模型使用描述两者语义信息来弥合已见类和未见类之间的差距。 例如，如果一个模型经过训练可以识别诸如“马”和“斑马”之类的动物，它可能会学习到条纹是斑马的一个关键属性。 当要求对“老虎”（一个未见类）进行分类时，该模型会推断出条纹与其他属性（如猫科动物的特征）相结合，可以映射到新的类。 这种方法依赖于语义表示（例如词向量、属性列表或知识图谱）来推广超出训练数据。
一种常见的技术实现涉及将输入数据（例如，图像或文本）和类描述嵌入到共享语义空间中。 例如，在图像分类中，ZSL 模型可能会将视觉特征（由卷积神经网络提取）投影到与表示类名称的词向量（如 Word2Vec 或 GloVe）相同的空间中。 在训练期间，该模型学习将视觉模式与已见类的语义向量对齐。 在推理时，它会将未见输入的投影特征与所有可能类的语义向量进行比较，即使是那些从未遇到过的类。 例如，在“狗”和“猫”上训练的模型可以通过将其视觉特征与“狼”的语义向量匹配来识别“狼”，由于“犬类”或“群居动物”等共享特征，该向量在嵌入空间中更接近“狗”。
但是，ZSL 性能在很大程度上取决于语义数据的质量和相关性。 如果语义嵌入缺乏已见类和未见类之间的有意义的关系（例如，“企鹅”和“麻雀”不共享“不会飞”这一属性），则该模型将难以应用。 为了解决这个问题，一些框架结合了多个语义源，例如同时使用 WordNet 层次结构和手动定义的属性。 在实践中，开发人员可能会使用像 BERT 这样的预训练语言模型来生成更丰富的类描述，或者为特定领域微调属性检测器。 例如，医疗 ZSL 系统可以使用像 SNOMED-CT 这样的本体，通过将症状（观察到的特征）与疾病描述（未见类）通过共享的语义关系联系起来来对罕见疾病进行分类。