Multi-Source Domain Adaptation with Mixture of Experts

Motivation

本文出发点还是荣multi-source domain adaptation出发，如何利用多个source domain的知识，来更好的预测target domain. 还是从target的分布可以用source distribution的加权来接近。

作者对domain之间的relationship建模提出了mixture-of-expert(MoE)的方法，

• 将不同的source domain和target domain投影到不同的子空间，而不是将所有的domain投影到同一个子空间。
• target的后验概率，通过不同source域的分类器加权组合，这里权重反应了target样本到每一个source domain的距离
• 定义了point-to-set 的metric，并作为loss训练，采用了meta-training的方式

Method

如图所示模型主要包括四个部分 1)encoder 用来提取特征 2）classifier, domain-specific 分类器,每一个source的都有一个3)metric用来将多个domain-specific的target的结果融合 4）adversary用来align不同域之间的距离

Metric
$$p_{moe}(y|x)=\sum _{i=1}^K\alpha (x,S_i)p^{S_i}(y|x)$$
$p^{S_i}$是由第i个source分类器$F^{S_i}$产生的后验概率（给定提取的特征x,判断属于类别y的概率），作者首先定义了point-to-set的马氏距离，即样本x到集合S
$$d(x,S)=((E(x)-{\mu }^S{)}^T{M}^S(E(x)-{\mu }^S){)}^{1/2}$$
其中${\mu }^S$是S的特征的平均值，$M^S$是S的特征的协方差矩阵的逆矩阵

其中$\alpha (x,S_i)$反应了对第i个分类器的可靠程度
$$\alpha (x,S_i)=\frac{exp(e(x,S_i))}{{\sum }_{j=1}^{K}exp(e(x,S_j))}$$
而$e(x,S_i)=f(d(x,S_i))$是基于point-to-set马氏距离设计的score函数，而$\alpha (x,S_i)$是其归一化后的结果。作者针对不同的任务设计了不同的socre函数

• binary classification

考虑到在二分类任务中，$S$ 的feature(encoding)的平均值${\mu }^S$往往接近于decision boundary,样本到boundary越近，往往置信度越低，因此直接用d(x,s)不合适。
$$e(x,S)=|d(x,S^{+})-d(x,S^{-})|$$
上述的函数对outlier的点e(x,S)的值低，

• Sequence tagging

$$e(x,S)=-d(x,S)$$

Training

借鉴了few-shot里面的学习方法，从K个source domain里面任意选一个作为meta-target，其余作为meta-source,这样得到K组（meta-source,meta-target)的训练pair,

loss一共有两个部分：MoE objective和multi-task
$$L_{moe}=-\sum _{i=1}^K\sum _{j=1}^{|S_i|}log(p_{moe}(y_j^{S_i}|x_j^{S_i}))$$
对每个pair里面的meta-target中的每个样本计算moe loss，meta-target的分类是通过meta-source加权得到，moe就是约束这样的关系，让meta-source中同样的标签的分类变大
$$L_{mtl}=-\sum _{i=1}^K\sum _{j=1}^{|S_i|}log(p^{S_i}(y_j^{S_i}|x_j^{S_i}))$$
Muti-task是分类的交叉熵损失

• Adversary-augmented MoE

使用MMD来最小化target domain和source domain的边缘分布

整体的训练算法如图