في هذه الورقة، نتناول إصدارًا من مشكلة التعلم بدون أمثلة (zero-shot learning) حيث يتم توفير بيانات المصدر والهدف للصفوف المعروفة. الهدف خلال مرحلة الاختبار هو التنبؤ بدقة بتصنيف حالة غير معروفة من المجال المستهدف بناءً على المعلومات الجانبية المكشوفة (مثل السمات) للمجالات غير المعروفة. طريقتنا تعتمد على اعتبار كل بيانات مصدر أو هدف كمزيج من نسب الصفوف المعروفة ونفترض أن أنماط المزيج يجب أن تكون متشابهة إذا تنتمي الحالتان إلى نفس الصنف الغير معروف. هذا المنظور يقودنا إلى تعلم دوال تمثيل للمصدر والهدف التي تربط بيانات أي مجال مصدر أو هدف في نفس المساحة الدلالية حيث يمكن قياس التشابه بسهولة. نطور إطارًا قائمًا على الهامش الأقصى (max-margin) لتعلم هذه الدوال التشابه ونقوم بتحسين المعلمات بطريقة متقاطعة (cross validation). نتائج اختباراتنا مقنعة، مما يؤدي إلى تحسين كبير في الدقة على معظم مجموعات البيانات المرجعية لمشكلة التعلم بدون أمثلة.