Paper/ACL-2007-p256

Frustratingly Easy Domain Adaptation†

@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†

ドメイン適応, 自然言語処理, 特徴拡張, 転移学習

↑

メモ†

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．