论文部分内容阅读
迁移学习的主要目标是将一个已知环境中学习的知识，迁移到新环境或变化的环境中，以帮助新的学习。本文提出了一种新的迁移知识获取策略，井将其应用于自动文本分类中进行验证，以打破传统机器学习任务对于训练集和测试集要求同一概率分布和特征空间的假设。迁移知识将通过学习一些特征词的语言学信息及统计信息，构成一种统一的表示形式。相关实验在相同的特征空间及不同的特征空间进行，实验表明，迁移学习方法是有效的，在不同的测试环境下均取得了较理想的结果。