主要内容

主要交流了以下内容：
（1）两个数据集（星巴克数据集、VISUELLE数据集）：可以去找星巴克数据集的图片，这样两个数据集就都有文本特征、图片特征、其它的外部特征，两个数据集就对齐了，可以把跑过VISUELLE数据集的那两个模型拿过来当baseline；
（2）关于domain的划分方法：星巴克数据集可以有两个维度的domain划分方法，比如说门店类型和产品（或产品类别），VISUELLE数据集也可以有两种domain划分的方法，比如说产品和时尚季，产品销量分层级也可以作为一个domain，具体分出来的效果可以看一个domain里的边缘概率分布等是否相近，不同domain是否距离远（可以作为这么分domain的motivation）,也就是要分析探查数据集；
（3）迁移学习的方法：用DANN的方法对齐隐空间的分布，如果现在有两种分domain的方法，需要调整DANN的结构，可以参考ICDM2019上那篇论文的方法（DANN以及利用subdomain实现条件概率分布对齐）；
（4）特征处理：在文本特征、图片特征等处理上，可以用attention等方法，就类似于KDD2020上那篇新品预测的论文；
（5）迁移的内容：我本来打算只迁移一些外部特征，如是否为节假日、天气特征，但是图片特、文本特征可能也可以迁移。

后续

（1）找星巴克数据集的图片；
（2）想想怎么划分domain；
（3）在两种doamin划分的情况下，想想怎么调整DANN的结构来实现比较好的迁移，可以参考ICDM2019上那篇论文的方法（DANN以及利用subdomain实现条件概率分布对齐）；
（4）学习pytorch，开始在B站追李沐。