通过对比学习策略改进概念嵌入的语义表示方法，使用 contextualized vectors 代替传统平均表示方法，优化概念嵌入的语义属性，使得预测语义属性的效果显著突出。

本文研究了增加外部概念头和中间特征空间中的概念嵌入来识别和整合用户提供的概念，并应用于个性化图像字幕生成和个性化视觉问答。结果表明模型可以推广到学习未见图像的概念，并在无关输入上保持模型行为。