算子值核

该论文将层次预测统一建模为向量值再生核希尔伯特空间中的多元回归问题，通过结构化算子值核将一致性约束内嵌于假设空间。

向量值RKHS中的函数取值于R^d，其核函数K(x,x')返回d×d矩阵（算子），不仅编码样本相似度，还编码输出分量间的相关性。

算子值核必须满足算子值正定性，才能保证对应的RKHS存在。

通过选择具有特定块结构的算子值核K，可使假设空间中任意函数的输出向量都落在聚合矩阵的列空间内，从而'构造即一致'。

算子值核思想与多任务学习、结构化输出回归中使用的算子值核一脉相承，但被该论文首次系统性地用于层次预测的一致性保证。