迁移学习

迁移学习旨在利用源领域知识指导目标领域问题的求解，由于能有效克服传统机器学习中需获取大量标签和模型重新训练的问题，已经成为人工智能和数据挖掘领域的重要研究方向，并被认为是继深度学习之后，下一个可能在商业中取得成功应用的热点技术之一。

多年来一直致力于不同数据场景下的迁移学习研究，主要涉及跨领域分类、跨语言向量表示学习等。以第一作者或通讯作者发表论文30余篇、参与撰写数据流分类专著1部、授权软件著作权2项，专利5项。