论文部分内容阅读
迁移学习是研究如何利用大量的源领域标记数据，帮助少量标记甚至无标记的相关领域来解决特征稀疏问题的一种方法。针对迁移学习的研究大多只是从特征项表层对数据进行分析并没有考虑到源领域与目标领域之间的语义相关性问题，提出一种基于潜在语义分析的迁移学习方法。通过实验表明，本文算法可以较大提高分类器的精确度。