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.