本文研究了亲属关系识别的多种方法，包括对称双线性模型、卷积神经网络和新特征表示方法。提出了多个数据集，如Families in the Wild和KinRace，并通过实验验证了这些方法在亲属关系识别中的有效性和准确性，解决了年龄和种族偏见问题。

该文介绍了一个简单的模型，可以根据给定的图片生成相关的句子，主要侧重于句子的语法。该模型使用纯双线性模型训练一个度量来衡量图像表示和用于描述图像的短语之间的关系，并能够基于推断的短语产生给定测试图像的相关描述。该方法在 Flickr30k 和 Microsoft COCO 等数据集中实现了可比较的结果，同时相对于最先进的模型而言，该方法更加简单。

研究发现“身份法则”限制了双线性模型对知识图谱特征的综合建模能力。研究者提出了“Unit Ball Bilinear Model”解决方案，通过最小约束减少无效学习，取得了提升。实验证明UniBi模型了先验属性，并验证了它的可解释性和性能。