تعلم التمثيلات الدلالية للتكيف بين المجالات غير المراقبة

من المهم نقل المعرفة من مجال المصدر الغني بالعلامات إلى مجال الهدف غير المُعلّم نظرًا لتكاليف التصنيف اليدوي الباهظة. تناولت الطرق السابقة للتكيف بين المجالات هذه المشكلة من خلال محاذاة الإحصائيات التوزيعية العالمية بين مجال المصدر ومجال الهدف، ولكن عيب هذه الطرق السابقة هو تجاهلها للمعلومات الدلالية المحتوية في العينات، مثل تماهي ميزات الحقيبة في مجال الهدف مع ميزات السيارات في مجال المصدر. في هذه الورقة، نقدم شبكة نقل الدلالة المتحركة (Moving Semantic Transfer Network)، التي تتعلم تمثيلات دلالية للعينات غير المُعلّمة في مجال الهدف من خلال محاذاة مركز العينات المُعلّمة في مجال المصدر مع مركز العينات المُعلّمة افتراضيًا في مجال الهدف. ويُتوقع أن تُرَمَّز الميزات ذات الفئة نفسها ولكن من مجالات مختلفة إلى أماكن قريبة من بعضها، مما يؤدي إلى تحسين دقة التصنيف في مجال الهدف. تم تصميم محاذاة مركز المتوسط المتحرك بعناية لتعويض النقص في المعلومات الفئوية داخل كل دفعة صغيرة (mini-batch). تُثبت التجارب أن نموذجنا يحقق نتائج من الطراز الأول على مجموعات البيانات القياسية.