AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
领域自适应是与机器学习和转移学习相关的领域。当我们的目标是从源数据分布中学习在不同（但相关）的目标数据分布上的良好性能模型时，就会出现这种情况。例如，常见垃圾邮件过滤问题的任务之一在于使模型从一个用户（源分发）适应到接收显着不同的电子邮件（目标分发）的新模型。注意，当有多个源分发可用时，该问题被称为多源域自适应。
域适应有几种情况，它们在为目标任务考虑的信息方面有所不同：
1、无监督域适应：学习样本包含一组标记的源示例，一组未标记的源示例和一组未标记的目标示例。
2、半监督域适应：在这种情况下，我们还考虑一组“小”标记的目标示例。
论文集地址：https://www.aminer.cn/topic/5faa648192c7f9be21f70f88
更多必读论文，可以扫码查看，论文也可以直接下载哦！最前沿的研究方向和最全面的论文数据等你来~
添加“小脉”微信，留言“论文”，即可加入【论文交流群】，与更多论文作者学习交流！
阅读原文，直达必读论文页面！
