面向机器阅读理解的对抗域自适应
计算与语言
2019-08-27 v1
摘要
本文关注机器阅读理解（MRC）的无监督域自适应问题，其中源域拥有大量标注数据，而目标域仅有未标注篇章可用。为此，我们提出一种对抗域自适应框架（AdaMRC），其中（i）首先为目标域的未标注篇章生成伪问题，然后（ii）将一个域分类器整合进 MRC 模型以预测给定篇章-问题对来自哪个域。分类器与篇章-问题编码器通过对抗学习联合训练，以强制学习域不变表示。综合评估表明，我们的方法（i）可泛化至不同的 MRC 模型与数据集，（ii）可与预训练大规模语言模型（如 ELMo 和 BERT）结合，且（iii）可扩展至半监督学习。
引用
@article{arxiv.1908.09209,
title = {Adversarial Domain Adaptation for Machine Reading Comprehension},
author = {Huazheng Wang and Zhe Gan and Xiaodong Liu and Jingjing Liu and Jianfeng Gao and Hongning Wang},
journal= {arXiv preprint arXiv:1908.09209},
year = {2019}
}
备注
Accepted to EMNLP 2019