論文の概要: Adaptive$^2$: Adaptive Domain Mining for Fine-grained Domain Adaptation Modeling
- arxiv url: http://arxiv.org/abs/2412.08198v1
- Date: Wed, 11 Dec 2024 08:41:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-12 14:01:42.687703
- Title: Adaptive$^2$: Adaptive Domain Mining for Fine-grained Domain Adaptation Modeling
- Title（参考訳）: Adaptive$^2$: きめ細かいドメイン適応モデリングのためのAdaptive Domain Mining
- Authors: Wenxuan Sun, Zixuan Yang, Yunli Wang, Zhen Zhang, Zhiqiang Wang, Yu Li, Jian Yang, Yiming Yang, Shiyang Wen, Peng Jiang, Kun Gai,
- Abstract要約: 本稿では,ドメインマイニングモジュールを用いてドメインを適応的に学習する新しいフレームワークであるAdaptive$2$を提案する。
その結果、手作りドメインを用いた従来のドメイン適応手法は、公正なFLOPS条件下では単一ドメインモデルより優れていることがわかった。
Adaptive$2$は、オンライン広告におけるドメイン識別と適応の両方を自動的に学習する最初のアプローチである。
- 参考スコア（独自算出の注目度）: 50.85199749890184
- License:
- Abstract: Advertising systems often face the multi-domain challenge, where data distributions vary significantly across scenarios. Existing domain adaptation methods primarily focus on building domain-adaptive neural networks but often rely on hand-crafted domain information, e.g., advertising placement, which may be sub-optimal. We think that fine-grained "domain" patterns exist that are difficult to hand-craft in online advertisement. Thus, we propose Adaptive$^2$, a novel framework that first learns domains adaptively using a domain mining module by self-supervision and then employs a shared&specific network to model shared and conflicting information. As a practice, we use VQ-VAE as the domain mining module and conduct extensive experiments on public benchmarks. Results show that traditional domain adaptation methods with hand-crafted domains perform no better than single-domain models under fair FLOPS conditions, highlighting the importance of domain definition. In contrast, Adaptive$^2$ outperforms existing approaches, emphasizing the effectiveness of our method and the significance of domain mining. We also deployed Adaptive$^2$ in the live streaming scenario of Kuaishou Advertising System, demonstrating its commercial value and potential for automatic domain identification. To the best of our knowledge, Adaptive$^2$ is the first approach to automatically learn both domain identification and adaptation in online advertising, opening new research directions for this area.
- Abstract（参考訳）: 広告システムはしばしば、データ分散がシナリオによって大きく異なる、マルチドメインの課題に直面します。
既存のドメイン適応方式は主にドメイン適応型ニューラルネットワークの構築に重点を置いているが、しばしば手作りのドメイン情報、例えば広告配置に依存している。
私たちは、オンライン広告で手作りが難しい、きめ細かい「ドメイン」パターンが存在すると考えています。
そこで我々はAdaptive$^2$を提案し,まずドメインマイニングモジュールを自己監督することでドメインを適応的に学習し,共有および矛盾する情報をモデル化するために共有・特定ネットワークを利用する。
実践として、ドメインマイニングモジュールとしてVQ-VAEを使用し、公開ベンチマークで広範な実験を行う。
その結果、手作りドメインを用いた従来のドメイン適応手法は、FLOPS条件下では単一ドメインモデルよりも優れており、ドメイン定義の重要性を強調している。
対照的に、Adaptive$^2$は既存の手法よりも優れており、我々の手法の有効性とドメインマイニングの重要性を強調している。
また、Kuaishou Advertising SystemのライブストリーミングシナリオにAdaptive$^2$を配置し、その商用価値と自動ドメイン識別の可能性を示した。
われわれの知る限り、Adaptive$^2$は、オンライン広告におけるドメイン識別と適応の両方を自動的に学習する最初のアプローチであり、この分野の新しい研究方向を開く。
関連論文リスト
- DomainVerse: A Benchmark Towards Real-World Distribution Shifts For
Tuning-Free Adaptive Domain Generalization [27.099706316752254]
我々はAdaptive Domain Generalization (ADG)のための新しいデータセットDomainVerseを確立する。
DomainVerseは、導入した階層的なドメインシフトの定義に相応しく、390のきめ細かい現実的なドメインから約0.5万の画像で構成されている。
チューニング不要適応型ドメイン一般化のためのDomain CLIPとDomain++ CLIPという2つの手法を提案する。
論文 参考訳（メタデータ） (2024-03-05T07:10:25Z) - Improving Domain Generalization with Domain Relations [77.63345406973097]
本稿では、モデルがトレーニングされたドメインと異なる新しいドメインに適用されたときに発生するドメインシフトに焦点を当てる。
ドメイン固有モデルを学習するためのD$3$Gという新しい手法を提案する。
以上の結果から,D$3$Gは最先端の手法より一貫して優れていた。
論文 参考訳（メタデータ） (2023-02-06T08:11:16Z) - Heterogeneous Domain Adaptation with Adversarial Neural Representation
Learning: Experiments on E-Commerce and Cybersecurity [7.748670137746999]
Heterogeneous Adversarial Neural Domain Adaptation (HANDA) は異種環境における伝達性を最大化するように設計されている。
画像とテキストの電子商取引ベンチマークを用いて,最先端HDA手法に対する性能評価を3つの実験により行った。
論文 参考訳（メタデータ） (2022-05-05T16:57:36Z) - Domain Adaptation via Prompt Learning [39.97105851723885]
Unsupervised Domain Adaption (UDA) は、十分にアノテーションされたソースドメインから学習したモデルをターゲットドメインに適応させることを目的としている。
我々は,Prompt Learning (DAPL) によるドメイン適応という,UDAのための新しいプロンプト学習パラダイムを導入する。
論文 参考訳（メタデータ） (2022-02-14T13:25:46Z) - Improving both domain robustness and domain adaptability in machine
translation [69.15496930090403]
ニューラルネットワーク翻訳におけるドメイン適応の2つの問題に対処する。
まず、トレーニングデータからドメインの堅牢性、すなわち両方のドメインの品質に到達したいと考えています。
第二に、システムに適応性を持たせること、つまり、数百のドメイン内並列文でシステムを微調整できるようにすることが望まれます。
論文 参考訳（メタデータ） (2021-12-15T17:34:59Z) - TADA: Taxonomy Adaptive Domain Adaptation [143.68890984935726]
伝統的なドメイン適応は、限られた監督の下で新しいターゲットドメインにモデルを適応させるタスクに対処する。
より一般的な分類適応型ドメイン適応問題を導入し、両者の整合性を実現する。
ラベルレベルでは、ターゲット領域を拡大するための二元混合サンプリング戦略と、ラベル空間を統一・整合させるリラベリング手法を用いる。
論文 参考訳（メタデータ） (2021-09-10T11:58:56Z) - Self-Adversarial Disentangling for Specific Domain Adaptation [52.1935168534351]
ドメイン適応は、ソースとターゲットドメイン間のドメインシフトをブリッジすることを目的としています。
最近の手法では、特定の次元について明示的な事前知識を考慮しないのが一般的である。
論文 参考訳（メタデータ） (2021-08-08T02:36:45Z) - Adaptive Methods for Real-World Domain Generalization [32.030688845421594]
本研究では、未確認の試験サンプルからドメイン情報を活用できるかどうかを検討する。
a) 教師なしのトレーニング例から識別的ドメイン埋め込みを最初に学び、b) このドメイン埋め込みを補足的な情報として使ってドメイン適応モデルを構築する。
提案手法は,各種領域一般化ベンチマークにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2021-03-29T17:44:35Z) - 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)
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。