欢迎访问广东工业大学数据挖掘与信息检索实验室!

Learning Disentangled Semantic Representation for Domain Adaptation

实验室参与作者:蔡瑞初,李梓健    论文发表时间:2019年


下载链接:


本文旨在提取解耦的语义特征(disentangled semantic representation)。无监督领域自适应是一项很重要而且很有挑战性的任务,目前主流的工作大多在特征空间上提取领域不变的表达,然而领域的信息和语义信息常常耦合在这些表达中,因此这些方法其实不能真正地提取到领域不变,并且包含语义信息的特征。为了解决这个问题,首先,本文假设数据由两组独立的隐变量生成:语义隐变量z_y和领域隐变量z_d,基于这个假设使用变分自动编码器重构这两组隐变量。而且,本文设计了双重对抗网络去解耦这两组变量,使得语义隐变量z_y是领域不变的。本文在领域自适应的标准数据集Office-31Office-home上做了实验,除了实验结果达到了state-of-the-art 之外,还证明了解耦的语义特征在领域自适应问题上的重要性。