重访分布对应索引：Python 重实现与新实验
计算与语言
2018-10-23 v1 机器学习
机器学习
摘要
本文介绍 PyDCI，一个用 Python 编写的分布对应索引（DCI）的新实现。DCI 是一种用于跨域和跨语言文本迁移学习的分类方法，我们此前曾提供其基于 Java 文本分类框架 JaTeCS 构建的实现（此处称为 JaDCI）。PyDCI 是 DCI 的独立版本，利用了 scikit-learn 和 SciPy 技术栈。我们在此报告为测试 PyDCI 而进行的新实验，其中我们使用在 DCI 最初提出之后出现的新的高性能方法作为基线。这些实验表明，得益于我们对 DCI 所做的若干细微改进，PyDCI 优于 JaDCI 及上述高性能方法，并在我们曾测试 DCI 的两个流行基准上取得了已知最佳结果，即 MultiDomainSentiment（又名 MDS——用于跨域自适应）和 Webis-CLS-10（用于跨语言自适应）。PyDCI 及可复现我们实验的代码可在 https://github.com/AlexMoreo/pydci 获取。
引用
@article{arxiv.1810.09311,
title = {Revisiting Distributional Correspondence Indexing: A Python Reimplementation and New Experiments},
author = {Alejandro Moreo and Andrea Esuli and Fabrizio Sebastiani},
journal= {arXiv preprint arXiv:1810.09311},
year = {2018}
}