Answers:
似乎在研究人员之间关于“转移学习”和“领域适应”之间的区别存在分歧。
从{0}起:
域适应的概念与迁移学习密切相关。转移学习是一个通用术语,是指涉及不同任务或领域的一类机器学习问题。在文献中,还没有转移学习的标准定义。在某些论文中,它可以与领域适应互换。
来自{1}:
参考文献:
{0}李琦。“文学调查:用于自然语言处理的领域自适应算法。” 纽约城市大学计算机科学系研究生中心(2012年):8-10。https://scholar.google.com/scholar?cluster=2828982016930721315&hl=zh-CN&as_sdt=0,22 ; https://pdfs.semanticscholar.org/532e/3d5b1b5807771b77cac60fe8594b506fcff9.pdf ; http://nlp.cs.rpi.edu/paper/qisurvey.pdf (镜像)
{1}潘,辛诺·嘉林和杨强。“关于迁移学习的调查。” IEEE Transactions on Knowledge and Data Engineering 22,否。10(2010):1345-1359。https://scholar.google.com/scholar?cluster=17771403852323259019&hl=zh-CN&as_sdt=0,22 ; http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.158.4126&rep=rep1&type=pdf (镜像)(2.6k引文)
根据Hal Daume的文章[1]:
标准分类设置是输入分布p(X)和标签分布p(Y | X)。领域适应:当p(X)在训练和测试之间改变时。转移学习:当p(Y | X)在训练和测试之间改变时。
换句话说,在DA中,输入分布发生了变化,但标签保持不变。在TL中,输入分布保持不变,但标签改变。
在有关迁移学习的所有文献中,存在许多术语不一致之处。诸如转移学习和领域适应之类的短语用于指代相似的过程。域适应是一种或多种源域适应过程,用于传递信息的手段来提高目标学习者的表现。域适应过程尝试更改源域,以使源的分布更接近目标的分布。在“域适应”设置中,源域和目标域具有不同的边际分布p(X)。根据Pan的调查,转移学习是一个广义的术语,也可以包括源域和目标域的条件分布p(Y | X)存在差异的情况。相反,
我认为“转移学习”是一个更笼统的术语,“域适应”是“转移学习”的一种情况。
[1]域适应性转移注意。http://ise.thss.tsinghua.edu.cn/~mlong/doc/transferable-attention-aaai19.pdf
根据[1],领域适应是NLP中的转移学习:“有时将NLP领域中的转移学习称为领域适应”。
[1] Pan,SJ和Q. Yang。“关于迁移学习的调查。” IEEE知识与数据工程学报,第22卷,第1期。10(2010年10月):1345-59。https://doi.org/10.1109/TKDE.2009.191或https://www.cse.ust.hk/~qyang/Docs/2009/tkde_transfer_learning.pdf