論文の概要: DAN: Dual-View Representation Learning for Adapting Stance Classifiers to New Domains

• arxiv url: http://arxiv.org/abs/2003.06514v1
• Date: Fri, 13 Mar 2020 23:56:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 01:06:17.279378
• Title: DAN: Dual-View Representation Learning for Adapting Stance Classifiers to New Domains
• Title（参考訳）: DAN:新しいドメインへのスタンス分類の適応のためのデュアルビュー表現学習
• Authors: Chang Xu, Cecile Paris, Surya Nepal, Ross Sparks, Chong Long, Yafang Wang
• Abstract要約: 既存のアプローチは、しばしば異なるドメインを単一のグローバルな機能空間に整列させる。 本稿では,これらの表現をドメイン間で適応させるために,DAN(Double-view Adapted Network)を提案する。 実験結果から,本手法は各領域にまたがるスタンスデータのマッチングにおいて,最先端の単一ビュー手法を向上できることが示された。
• 参考スコア（独自算出の注目度）: 35.89580033395052
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the issue of having a limited number of annotations for stance classification in a new domain, by adapting out-of-domain classifiers with domain adaptation. Existing approaches often align different domains in a single, global feature space (or view), which may fail to fully capture the richness of the languages used for expressing stances, leading to reduced adaptability on stance data. In this paper, we identify two major types of stance expressions that are linguistically distinct, and we propose a tailored dual-view adaptation network (DAN) to adapt these expressions across domains. The proposed model first learns a separate view for domain transfer in each expression channel and then selects the best adapted parts of both views for optimal transfer. We find that the learned view features can be more easily aligned and more stance-discriminative in either or both views, leading to more transferable overall features after combining the views. Results from extensive experiments show that our method can enhance the state-of-the-art single-view methods in matching stance data across different domains, and that it consistently improves those methods on various adaptation tasks.
• Abstract（参考訳）: ドメイン適応にドメイン外分類を適応させることにより、新しいドメインにおけるスタンス分類のためのアノテーションが限られている問題に対処する。 既存のアプローチでは、異なるドメインを単一のグローバルな機能空間(あるいはビュー)で整列させることがしばしばあり、スタンスを表現するために使われる言語の豊かさを完全に把握できない場合があり、スタンスデータへの適応性が低下する。 本稿では,言語的に異なる2種類のスタンス表現を同定し,これらの表現をドメイン間で適応させるために,DAN(Matheored dual-view adapt Network)を提案する。 提案モデルではまず,各表現チャネルにおけるドメイン転送の別々のビューを学習し,最適な転送のために両ビューの最適適応部分を選択する。 学習したビュー機能は、いずれのビューでも、より簡単に整列し、よりスタンスに差別化され、ビューを組み合わせることで、より移行可能な全体的な機能になる。 実験結果から,各領域にまたがるスタンスデータに適合する最先端の単一ビュー手法を改良し,各手法の適応性を向上させることが示唆された。

関連論文リスト

• WIDIn: Wording Image for Domain-Invariant Representation in Single-Source Domain Generalization [63.98650220772378]
  We present WIDIn, Wording Images for Domain-Invariant representation, to disentangleative discriminative visual representation。 まず、ドメイン固有の言語を適応的に識別し、削除するために使用可能な、きめ細かいアライメントを組み込んだ言語を推定する。 WIDInは、CLIPのような事前訓練された視覚言語モデルと、MoCoやBERTのような個別訓練されたユニモーダルモデルの両方に適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-28T17:46:27Z)
• TAL: Two-stream Adaptive Learning for Generalizable Person Re-identification [115.31432027711202]
  我々は、ドメイン固有性とドメイン不変性の両方が、re-idモデルの一般化能力の向上に不可欠であると主張する。 これら2種類の情報を同時にモデル化するために,2ストリーム適応学習 (TAL) を命名した。 我々のフレームワークは、単一ソースとマルチソースの両方のドメイン一般化タスクに適用できる。
  論文  参考訳（メタデータ） (2021-11-29T01:27:42Z)
• Domain Adaptation for Semantic Segmentation via Patch-Wise Contrastive Learning [62.7588467386166]
  ドメイン間で構造的に類似するラベルパッチの機能を調整することで、ドメインギャップを埋めるためにコントラスト学習を利用する。 私たちのアプローチは、常に2つの困難なドメイン適応セグメンテーションタスクにおいて、最先端の非監視および半監督メソッドを上回ります。
  論文  参考訳（メタデータ） (2021-04-22T13:39:12Z)
• Universal Representation Learning from Multiple Domains for Few-shot Classification [41.821234589075445]
  複数の個別に訓練されたネットワークの知識を蒸留し,一組の普遍的な深層表現を学習することを提案する。 より効率的な適応ステップにより、未確認領域に対する普遍表現をさらに洗練できることが示される。
  論文  参考訳（メタデータ） (2021-03-25T13:49:12Z)
• Adversarial Graph Representation Adaptation for Cross-Domain Facial Expression Recognition [86.25926461936412]
  本稿では,グラフ表現の伝播と逆学習を両立させる新しいAdrialversa Graph Representation Adaptation (AGRA) フレームワークを提案する。 提案するAGRAフレームワークは,従来の最先端手法よりも優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2020-08-03T13:27:24Z)
• Domain2Vec: Domain Embedding for Unsupervised Domain Adaptation [56.94873619509414]
  従来の教師なしドメイン適応は、限られた数のドメイン間の知識伝達を研究する。 本稿では,特徴不整合とグラム行列の連成学習に基づいて,視覚領域のベクトル表現を提供する新しいDomain2Vecモデルを提案する。 我々の埋め込みは、異なるドメイン間の視覚的関係に関する直感と一致するドメイン類似性を予測できることを示した。
  論文  参考訳（メタデータ） (2020-07-17T22:05:09Z)
• Differential Treatment for Stuff and Things: A Simple Unsupervised Domain Adaptation Method for Semantic Segmentation [105.96860932833759]
  最先端のアプローチは、セマンティックレベルのアライメントの実行がドメインシフトの問題に取り組むのに役立つことを証明している。 我々は,物事領域や物事に対する異なる戦略による意味レベルのアライメントを改善することを提案する。 提案手法に加えて,提案手法は,ソースとターゲットドメイン間の最も類似した機能やインスタンス機能を最小化することにより,この問題の緩和に有効であることを示す。
  論文  参考訳（メタデータ） (2020-03-18T04:43:25Z)
• Dual Adversarial Domain Adaptation [6.69797982848003]
  教師なしドメイン適応は、ラベル付きソースドメインからラベルなしターゲットドメインへの知識の転送を目的としている。 近年の研究では、判別器が両方のドメインにドメイン情報を備えている場合、複雑なマルチモーダル情報を保存できることが示されている。 ドメインレベルのアライメントとクラスレベルのアライメントを同時に行うために,2Kドル分の出力を持つ判別器を単一識別器に適用する。
  論文  参考訳（メタデータ） (2020-01-01T07:10:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。