Domain Adaptation

定义 Definition

（机器学习/自然语言处理/计算机视觉）领域自适应：指把在一个数据分布（源领域，source domain）上学到的模型，迁移并调整到另一个分布不同但任务相关的领域（目标领域，target domain）上，以提升目标领域的效果。该术语在迁移学习（transfer learning）中非常常见。（也可更一般地指“对新环境/场景的适应”，但最常用的是上述技术含义。）

发音 Pronunciation (IPA)

/dəˈmeɪn ˌædəpˈteɪʃən/

词源 Etymology

domain 源自拉丁语 dominium（“领地、管辖范围”），在现代学术语境中引申为“领域/数据分布/应用场景”；adaptation 来自拉丁语 adaptare（“使适合、调整”）。合在一起强调：让模型或方法适配新的领域。

例句 Examples

Domain adaptation helps a model work well on new data.
领域自适应能帮助模型在新数据上也表现良好。

Without domain adaptation, a classifier trained on studio photos may fail on images taken in the wild because the data distributions differ.
如果没有领域自适应，用棚拍照片训练的分类器可能在真实环境拍摄的图像上失效，因为数据分布不同。

相关词 Related Words

• Transfer Learning
• Domain Shift
• Covariate Shift
• Fine-Tuning
• Generalization
• Distribution
• Source Domain
• Target Domain

文献/著作中的用例 Literary & Notable Works

• “Domain Adaptation in Computer Vision Applications”（Gabriela Csurka 编，Springer，2017）
• “A Survey on Transfer Learning”（Sinno Jialin Pan & Qiang Yang，IEEE TKDE，2010；涵盖 domain adaptation 的核心概念）
• “Domain-Adversarial Training of Neural Networks”（Yaroslav Ganin 等，JMLR，2016；提出经典的对抗式领域自适应方法）
• “Unsupervised Domain Adaptation by Backpropagation”（Ganin & Lempitsky，ICML，2015）