一种用于文本分类对抗域适应的标签比例估计技术
计算与语言
2020-03-27 v3 机器学习
摘要
许多文本分类任务依赖于特定领域，已有多种域适应方法被提出用于预测新领域中的未标注数据。域对抗神经网络（DANN）及其变体近来被广泛使用，并在此问题上取得了有前景的结果。然而，大多数这些方法假设源领域与目标领域的标签比例相似，而这在大多数真实场景极少成立。有时标签偏移可能很大，导致 DANN 无法学习域不变特征。在本研究中，我们关注具有标签偏移的文本分类无监督域适应，并引入一种带标签比例估计的域对抗网络（DAN-LPE）框架。DAN-LPE 同时训练域对抗网络，并通过源领域的混淆矩阵与目标领域的预测来处理标签比例估计。实验表明，DAN-LPE 能良好估计目标标签分布，并减小标签偏移以提升分类性能。
引用
@article{arxiv.2003.07444,
title = {A Label Proportions Estimation Technique for Adversarial Domain Adaptation in Text Classification},
author = {Zhuohao Chen and Singla Karan and David C. Atkins and Zac E Imel and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:2003.07444},
year = {2020}
}
备注
add a proposition and a proof of it, correct typos