多姆，H.III;D.马库。 统计分类器的域自适应。 （英语） Zbl 1161.68724号 J.阿蒂夫。智力。研究（JAIR） 26, 101-126 (2006). 总结：统计学习理论中使用的最基本假设是，训练数据和测试数据来自相同的基本分布。不幸的是，在许多应用程序中，“域内”测试数据来自与训练数据的“域外”分布相关但不相同的分布。我们考虑的常见情况是，标记的域外数据非常丰富，但标记的域内数据很少。我们根据一个简单的混合模型介绍了这个问题的统计公式，并将该框架实例化为最大熵分类器及其线性链对应物。针对这种特殊情况，我们提出了基于条件期望最大化技术的高效推理算法。我们的实验结果表明，在自然语言处理领域的四个不同数据集上，我们的方法在三个真实世界任务上的性能得到了改进。 引用于17文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 PDF格式BibTeX公司 XML格式引用 \textit{H.Daume III}和\textit{D.Marcu}，J.Artif。智力。研究（JAIR）26，101-126（2006；Zbl 1161.68724） 全文： arXiv公司