简化的神经无监督域适应
计算与语言
2023-04-06 v1 人工智能
机器学习
摘要
无监督域适应（UDA）的任务是修改在源域标记数据上训练的统计模型，以在仅能访问目标域无标记数据的情况下，在目标域数据上获得更好性能。现有的最先进UDA方法使用神经网络来学习能够预测称为“枢纽特征”的重要特征子集取值的表示。在本工作中，我们表明可以通过联合训练表示学习器与任务学习器来改进这些方法，并考察了现有枢纽选择方法的重要性。
引用
@article{arxiv.1905.09153,
title = {Simplified Neural Unsupervised Domain Adaptation},
author = {Timothy A Miller},
journal= {arXiv preprint arXiv:1905.09153},
year = {2023}
}
备注
To be presented at NAACL 2019