你是风险偏好者吗？面向风险容忍度预测的非对称跨域对齐对抗学习
机器学习
2020-10-07 v1 机器学习
摘要
当前大多数关于调查分析与风险容忍度建模的研究缺乏专业知识和领域特定模型。鉴于生成对抗学习在跨域信息处理中的有效性，我们针对领域规模不平等问题设计了一种非对称跨域生成对抗网络（ADGAN）。ADGAN 利用信息充足的领域提供额外信息，通过域对齐来改善信息不足领域的表示学习。我们在消费者消费信息和调查信息两个数据源上进行了数据分析和用户建模。我们进一步在具有视图嵌入结构的真实世界数据集上测试了 ADGAN，结果表明 ADGAN 比现有最优方法能更好地处理类别不平衡和不合格数据空间，证明了利用非对称域信息的有效性。
引用
@article{arxiv.2004.08581,
title = {Are You A Risk Taker? Adversarial Learning of Asymmetric Cross-Domain Alignment for Risk Tolerance Prediction},
author = {Zhe Liu and Lina Yao and Xianzhi Wang and Lei Bai and Jake An},
journal= {arXiv preprint arXiv:2004.08581},
year = {2020}
}