适配BERT以持续学习一系列方面情感分类任务
计算与语言
2021-12-21 v1 人工智能
机器学习
神经与进化计算
摘要
本文研究一系列方面情感分类（ASC）任务的持续学习（CL）。尽管已有一些面向文档情感分类的CL技术，我们未见任何关于ASC的CL工作。一个增量学习一系列ASC任务的CL系统应解决以下两个问题：（1）将先前任务学到的知识迁移至新任务以帮助其学习更好的模型，（2）保持先前任务模型的性能以免被遗忘。本文提出一种基于胶囊网络的新颖模型B-CL来解决这些问题。B-CL通过前向与后向知识迁移，显著提升了新任务与旧任务上的ASC性能。B-CL的有效性通过大量实验得到证明。
引用
@article{arxiv.2112.03271,
title = {Adapting BERT for Continual Learning of a Sequence of Aspect Sentiment Classification Tasks},
author = {Zixuan Ke and Hu Xu and Bing Liu},
journal= {arXiv preprint arXiv:2112.03271},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2112.02714, arXiv:2112.02706