→　ドメイン内部でのデータの分布に着目

　→　e.g. 対訳辞書獲得の例など

2つのドメイン間の独立性を測る指標「HSIC」を最大化する手法がとられている

オブジェクト間のマッチングではなく，ドメインからドメインへのマッピングを学習する

　→　ドメイン間のデータ数の違いに対応する

K次元空間どうしの相関が最大となるように片方の空間を回転　→　基底が1対1対応

教師なしマッピングによる言語横断テキスト分類

　→　NMFはクラスを考慮しないために，複数のクラスの側面を持つものだとうまく働かない．

分類結果自体は見たのか？

　→　見ていない

何かこれを追加したらうまくいきそう・・・というものはある？

　→　パフォーマンスを上げるためには，Semi-supervisedがいいだろうが，それには注目していない

マッピングできないものは逃がし口を作るといいと思うが，今回はどうしたのか

　→　アルゴリズムをそのまま

今回は単に数が少ないからうまくいかなかった？

　→　結構計算が重かったのでこのような感じになっている

相関がとれてもマッチングはとれないのでは？

　→　相関を最大にするように回転すればきっとマッチングはいい

違うドメイン間で似たような類似度のものはあるのか

　→　むりやり仮定している