文章目錄
0. 版權聲明
- 該筆記來源於 Methodologies for Cross-Domain Data Fusion: An Overview [1]；
- 該筆記不以盈利爲目的，僅用於個人學習及科學研究，便於更好地理解文章內容；
- 如有侵權，請與本人聯繫（[email protected]），經覈實後即刻刪除；
- 本文采用 署名-非商業性使用-禁止演繹 4.0 國際 (CC BY-NC-ND 4.0) 協議發佈；
1. Introduction
- 使用跨域數據融合的原因：平等地處理不同的數據集或將其簡單拼接，難以獲得良好的性能；
- 跨域數據融合的3種方法：
- Method 1：Stage-based，在同一任務的不同階段使用不同的數據集；
- Method 2：Feature level-based，利用深度神經網絡從不同數據集中提取出原始特徵的新表示，將新的特徵表示用於分類或預測；
- Method 3：Semantic meaning-based，基於語義的數據融合；
- 基於多視角的方法：用不同的模型處理不同的特徵；
- 基於相似性的方法；
- 基於概率相關性的方法；
- 基於遷移學習的方法；
2. Related work
2.1 與傳統數據集成的關係
- 傳統數據集成：通過模式映射和重複檢測，將數據合併；
- 跨域數據融合：用不同方法從不同數據集中提取知識，知識融合有別於模式映射；
2.2 與異構信息網絡的關係
- 異構信息網絡：只鏈接某一領域內的對象；
- E.g. 在書目信息網絡中，人員、會議和論文均來自書目領域；
- 跨域數據融合：連接不同領域內的對象；
3. 基於階段的數據融合
4. 基於特徵層的數據融合
- 基於特徵層的數據融合;
- 直接連接；
- 基於深度神經網絡的數據融合；
5. 基於語義的數據融合
- 基於多視角的數據融合：
- 協同訓練；
- 多核學習；
- 子空間學習；
- 基於相似性的數據融合；
- 協同過濾；
- 矩陣分解；
- 流形對齊；
- 基於概率相關性的數據融合；
- 基於遷移學習的數據融合:
- 同類數據集間遷移；
- 多個數據集間遷移；
References
[1] Zheng Y. Methodologies for cross-domain data fusion: An overview[J]. IEEE transactions on big data, 2015, 1(1): 16-34.