本文共 457 字，大约阅读时间需要 1 分钟。

《Unsupervised Domain Adaptation with Random Walks on Target Labelings》这篇文章用随机漫步的方法来改进无监督域适应算法。

本文的摘要中写道：“We cast domain adaptation as the problem of finding stable labels for target examples”，文章将域适应的过程考虑为一个寻找目标问题稳定标签的问题。并且相对应的给出了衡量标签稳定性的定义：一个标签越稳定，很大可能是，在目标域上训练的分类器，会生成同样的标签。简单来讲，就是通过随机漫步来寻找那些度最高的标签，这些标签就是最终需要的标签。

作者给出本文算法的优势：不依赖数据转换，不需要接近源数据（does not need toaccess the source data 不知道翻译的准不准确，说实话，这个优点我没理解），当然这个算法的效果自然也是棒棒的。贡献部分我直接贴上：

后面的算法内容还彻底看懂，这坑以后再填吧。