用于域适应的多边缘降噪自动编码器-计算机科学与探索.PDFVIP

计算机科学与探索 1673-9418/2019/ 13(02)-0322-08 Journal of Frontiers of Computer Science and Technology doi: 10.3778/j.issn. 1673-9418.1804037 用于域适应的多边缘降噪自动编码器* + 杨 帅 ，胡学钢，张玉红 合肥工业大学 计算机与信息学院，合肥 230009 + 通讯作者 E-mail: YangS@ 摘 要：神经网络模型被广泛用于跨领域分类学习。边缘堆叠降噪自动编码器（marginalized stacked denoising autoencoders ，mSDA ）作为一种神经网络模型，通过对源领域和目标领域数据进行边缘化加噪损坏，学习一个 公共的、健壮的特征表示空间，从而解决领域适应问题。然而，mSDA 对所有的特征都采取相同的边缘化加噪 处理方式，没有考虑到不同特征对分类结果的影响不同。为此，对特征进行区分性的噪音系数干扰，提出多边 缘降噪自动编码器（multi-marginalized denoising autoencoders ，M-MDA ）。首先，利用改进的权重似然率 （weighted log-likelihood ratio update ，WLLRU ）区分出领域间的共享和特有特征；然后，通过计算特征在两个 领域的距离，对共享特征和特有特征进行不同方式的边缘化降噪处理，并基于单层边缘降噪自动编码器 （marginalized denoising autoencoders ，MDA ）学习获取更健壮的特征；最后，对新的特征空间进行二次损坏以 强化共享特征的比例。实验结果表明，该方法在跨领域情感分类方面优于基线算法。 关键词：情感分类；跨领域；噪音；边缘堆叠降噪自动编码器（mSDA ） 文献标志码：A 中图分类号：TP 183 杨帅, 胡学钢, 张玉红. 用于域适应的多边缘降噪自动编码器[J]. 计算机科学与探索, 2019, 13(2): 322-329. YANG S, HU X G, ZHANG Y H. Multi-marginalized denoising autoencoders for domain adaptation[J]. Journal of Frontiers of Computer Science and Technology, 2019, 13(2): 322-329. Multi-Marginalized Denoising Autoencoders for Domain Adaptation 索 + YANG Shuai , HU Xuegang, ZHANG Yuhong 探 School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230009, China 与 Abstract: Neural network models are used to address domain adaptation. As a model of neural network, marginalized 学 g stacked denoising autoencoders (mSDA) can extract and encode more robust feature space. mSDA tends to learn a 科 r common and robust feature representation to solve the problem of domain adaptation by marginalizing corruption