Graph-Relational Domain Adaptation

要約

タイトル – グラフ関係ドメイン適応
要約 – 既存のドメイン適応手法は、すべてのドメインを平等に扱い、すべてを完璧に整列させる傾向があります。このような均一な整列は、異なるドメイン間のトポロジカル構造を無視するため、近隣ドメインにとって有益であっても、遠隔ドメインにとっては必ずしも有益ではありません。本研究では、ドメイン間の隣接関係をエンコードするドメイングラフを使用して、このような均一な整列を緩和しています。例えば、アメリカの州をドメインとし、各州をドメインとし、各エッジが隣接を示す州のグラフを使用することができます。そのため、グラフ構造に基づいてドメインを柔軟に整列させることができます。本研究では、新しいグラフ識別子を用いたエンコーディング条件化グラフ埋め込みを用いて、既存の敵対的学習フレームワークを一般化します。理論分析から、グラフがクリークの場合には、古典的なドメイン適応を回復し、他のタイプのグラフに対しては非自明な整列を達成することが示されています。実験結果から、我々の方法では均一な整列を上手く一般化し、グラフによって表現されるドメイン情報を自然に組み込んで、合成および実世界のデータセットの両方で既存のドメイン適応手法を改善することができます。コードは https://github.com/Wang-ML-Lab/GRDA にて公開予定です。

– 既存のドメイン適応手法は、ドメインのトポロジー構造を無視するため、遠隔ドメインの整列に影響を与える。
– 本研究は、ドメイン間の隣接関係をエンコードするドメイングラフを用いて、均一な整列を緩和する手法を提案している。
– 新しいグラフ識別子を用いたエンコーディング条件化グラフ埋め込みによって、敵対的学習フレームワークを一般化している。
– 理論分析によれば、グラフがクリークの場合は、古典的なドメイン適応を回復し、他のタイプのグラフでも非自明な整列を達成できる。
– 実験結果から、本手法は均一な整列を上手く一般化し、グラフによって表現されるドメイン情報を自然に組み込むことができる。

要約(オリジナル)

Existing domain adaptation methods tend to treat every domain equally and align them all perfectly. Such uniform alignment ignores topological structures among different domains; therefore it may be beneficial for nearby domains, but not necessarily for distant domains. In this work, we relax such uniform alignment by using a domain graph to encode domain adjacency, e.g., a graph of states in the US with each state as a domain and each edge indicating adjacency, thereby allowing domains to align flexibly based on the graph structure. We generalize the existing adversarial learning framework with a novel graph discriminator using encoding-conditioned graph embeddings. Theoretical analysis shows that at equilibrium, our method recovers classic domain adaptation when the graph is a clique, and achieves non-trivial alignment for other types of graphs. Empirical results show that our approach successfully generalizes uniform alignment, naturally incorporates domain information represented by graphs, and improves upon existing domain adaptation methods on both synthetic and real-world datasets. Code will soon be available at https://github.com/Wang-ML-Lab/GRDA.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI