本项目从生成模型的角度,对迁移学习算法进行研究。通过分析源领域与目标领域之间的共性,研究基于生成模型的深度挖掘源领域与目标领域中共享主题的迁移学习方法;针对不同学习任务之间的分类知识共享与相互促进,研究基于生成模型的分类与聚类任务统一学习的迁移学习框架。在探索迁移学习算法的工作机理方面,通过引入狄利克雷模型对数据分布的描述,研究基于狄利克雷模型的源领域与目标领域数据分布不一致性度量,并分析该度量与迁移学习算法性能之间的关系。研究基于MapReduce的并行迁移学习算法用于处理海量社交网络数据中的社区划分和链接预测等方面,并研究分布式环境下只传递中间统计变量的迁移学习算法进行隐私保护。预期在SCI 或EI 收录的国际期刊及重要学术会议上发表论文15 篇。
英文主题词Generative Model;Dirichlet Process;Matrix Factorization;Parallel Algorithm;Social Network