1. 毕业设计（论文）主要内容：

在许多机器学习和数据挖掘算法中有一个重要假设：训练数据和目标数据在同一特征分布空间中，并具有相同的分布。实际上，这种假设可能不成立。在假设不成立的情况下，若实现相关领域知识到目标领域的迁移，将避免标注大量数据的昂贵代价。迁移学习作为新的学习框架，能够基于现有的数据和模型对新领域的数据进行建模。它解决了目标领域只有少量或没有标注数据的问题。近年来，生成对抗网络模型成为了深度学习中的热门研究方向。它为无监督学习模型的构建提供了有力的框架。

本设计的内容包括：研究基于GAN的迁移学习在文本上的可行性，提出基于GAN的迁移学习方法在文本上实现迁移，通过实验验证方法的有效性。

2. 毕业设计（论文）主要任务及要求

1）首先通过爬虫采集相关数据集，对其进行分析；

2）然后搜集相关资料，建立合适的模型对数据集进行训练，并对模型进行评估和改进；

3）要求按武汉理工大学理工类本科生毕业论文撰写规范撰写毕业论文，论文字数不少于10000字，参考文献不少于15篇，其中近五年英文文献不少于2篇；并每篇书写200—300字文献摘要（装订成册，带封面）；完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）。

3. 毕业设计（论文）完成任务的计划与安排

1）2019/1/14—2019/1/22：查阅参考文献，明确选题；

2）2019/1/23—2019/2/22：进一步阅读文献，完成开题报告；翻译英文资料（不少于5000汉字），并交予指导教师检查。

3）2019/2/23—2019/4/30：对采集的相关数据集进行分析；模型的建立与改进；

4. 主要参考文献

[1] 周志华. 机器学习. 清华大学出版社，2016

[2] o.day and t. m. khoshgoftaar. a survey on heterogeneous transfer learning.journal of big data, vol. 4, (1), pp. 1-42, 2017.

[3] bousmalis k , silberman n , dohan d ,et al. unsupervised pixel-level domain adaptation with generative adversarialnetworks[j]. 2017 ieee conference on computer vision and pattern recognition(cvpr), 2017:95-104.