* 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]]
![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
