اختيار فئة المصدر باستخدام الانتشار التصنيفي للتكيف الجزئي بين المجالات

في مشاكل التكييف غير المراقب التقليدية، يُفترض أن يشترك المجال المستهدف مع المجال المصدري في نفس مجموعة الفئات. في الواقع، توجد حالات عملية تكون فيها بيانات المجال المستهدف مأخوذة من مجموعة جزئية فقط من فئات المجال المصدري، ولا يُعرف أي فئات تنتمي إليها بيانات المجال المستهدف نظرًا لعدم تسميتها. وقد صُيغ هذا النوع من المشكلات في الأدبيات كـ "تكييف المجال الجزئي" (Partial Domain Adaptation - PDA)، وهو مهمة صعبة بسبب مشكلة التحويل السلبي (أي أن بيانات المجال المصدري المنتمية إلى فئات غير ذات صلة تضر بعملية التكييف بين المجالين).نعالج مشكلة PDA من خلال اكتشاف الفئات الشاذة (outlier classes) في المجال المصدري بشكل تدريجي. وبذلك، تُبسَّط مشكلة PDA إلى مشكلة تكييف غير مراقب أبسط يمكن حلها دون مواجهة مشكلة التحويل السلبي. بشكل محدد، نستخدم تقنية تقليل الحفاظ على الجوار (Locality Preserving Projection) لتعلم فضاء فرعي مشترك ضمني، حيث يتم استخدام خوارزمية انتشار التسمية (label propagation) لتسمية بيانات المجال المستهدف. وعندما لا يتم تسمية أي بيانات من المجال المستهدف بفئة معينة، يُمكن اكتشاف هذه الفئة كفئة شاذة. ثم نزيل الفئات الشاذة المكتشفة من المجال المصدري، ونكرر العملية لعدة تكرارات حتى الوصول إلى التقارب. أظهرت النتائج التجريبية على مجموعتي بيانات شائعتي الاستخدام (Office31 وOffice-Home) أن الطريقة المقترحة تحقق أداءً من الدرجة الأولى (state-of-the-art)، بتحقيق دقة متوسطة بلغت 98.1% و75.4% على التوالي.