* Frustratingly Easy Domain Adaptation [#c1368f2c]

//ここには文献のリファレンスを書いてください.bibtex形式で書くことを推奨します.
 @InProceedings{ec:034,
  author =       "H. Daum{\'e} {III}",
  title =        "Frustratingly Easy Domain Adaptation",
  booktitle =    "proc. of the 45th Annual Meeting of the Association of Computational Linguistics",
  year =         2007,
  pages =     "256-263"
 }

* キーワード [#g49cf338]

//ここにはキーワードを列挙してください.
ドメイン適応, 自然言語処理, 特徴拡張, 転移学習

* メモ [#f60a5571]

//内容とかを簡単に書いてください

数ある転移学習の手法の中でも非常に簡潔な手法.

目標ドメインの事例 \((\mathbf{x}_T,y_T)\) は,次のように特徴ベクトルを横に繋いで拡張したベクトルを作る
\[(\langle\mathbf{x}_T,\mathbf{x}_T,\mathbf{0}\rangle, y_T)\]
ただし,\(\mathbf{0}\) は,\(\mathbf{x}_T\) と同じ長さの 0 ベクトル.
一方の元ドメインの事例 \((\mathbf{x}_S,y_S)\) は,次のように拡張した特徴ベクトルを作る
\[(\langle\mathbf{x}_S,\mathbf{0},\mathbf{x}_S\rangle, y_S)\]

この方法では,元の特徴ベクトルの3倍の長さの特徴ベクトルを作ることになる.最初のブロックからは,元と目標ドメインに共通するパターンがあれば最初のブロックの特徴を重視する分類器が学習される.目標,または元ドメインだけにあるパターンがあれば,それぞれ2番目と3番目の特徴を重視するような分類器が学習されることになる.


> -- しましま

* リンク [#fa6c4194]

//関連リンクを書いてください.
-[[GoogleScholarAll:Frustratingly Easy Domain Adaptation]]

トップ   編集 差分 履歴 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS