一种基于跨领域典型相关性分析的迁移学习方法.PDFVIP

第 卷 第 期 计 算 机 学 报 ３８ ７ 　 　　 　　 　　 　　 Ｖｏｌ．３８ Ｎｏ．７ 年 月 ２０１５ ７ Ｊｕｌ２０１５ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ ｙ 　 一种基于跨领域典型相关性分析的迁移学习方法 ），），） ） ） ），） １ ２ ３ １ １ １ ３ 张 博 史忠植 赵晓非 张建华 　 　 　 １）（中国科学院计算技术研究所智能信息处理重点实验室 北京 １００１９０） 　 　 ２）（中国矿业大学计算机科学与技术学院 江苏 徐州 ２２１１１６） 　 　 ３）（中国科学院大学 北京 １０００４９） 　 　 摘 要 作为迁移学习的一个重要研究方向，基于特征映射的方法学习各领域特有特征与领域共享特征之间的相 　 　 关性，通过一些相关特征减少领域之间的差异，已经获得了广泛的关注和研究 典型相关性分析是一种用来分析两 ． 组随机变量之间相关性的统计分析工具 将典型相关性分析引入迁移学习，结合基于特征映射迁移学习的思路，提 ． 出了一种跨领域典型相关性分析算法 该算法在保持各领域特有特征与领域共享特征相关性的基础上，通过选择 ． 合适的基向量组合训练分类器，使降维后的相关特征在领域间具有相似的判别性 在 上 个分类 ． ２０Ｎｅｗｓｒｏｕｓ ８６４ ｇ ｐ 问题以及多领域情感分析数据集上 个分类问题的实验结果表明，跨领域典型相关性分析算法可以有效地提高 １２ 跨领域迁移分类准确率． 关键词 迁移学习；典型相关性分析；跨领域分类学习；领域自适应 　 中图法分类号 号 ／ ＴＰ１８１ 犇犗犐 １０．１１８９７ＳＰ．Ｊ．１０１６．２０１５．０１３２６ 　　　 犃犜狉犪狀狊犳犲狉犔犲犪狉狀犻狀 犅犪狊犲犱狅狀 犵 犆犪狀狅狀犻犮犪犾犆狅狉狉犲犾犪狋犻狅狀犃狀犪犾狊犻狊犃犮狉狅狊狊犇犻犳