用于领域适应的方面增强对抗网络
计算与语言
2017-09-26 v2
摘要
我们引入了一种神经方法，用于在同一领域内的两个（源和目标）分类任务或方面之间进行迁移学习。我们不使用目标标签进行训练，而是使用与源和目标方面相关的少量关键词来指示句子相关性，而非文档类别标签。通过学习以依赖于方面的方式嵌入并软选择相关句子来对文档进行编码。共享分类器在源编码文档和标签上进行训练，并应用于目标编码文档。我们通过方面对抗训练来确保迁移，使得编码后的文档作为集合是方面不变的。实验结果表明，我们的方法在两个数据集上优于不同的基线和模型变体，在病理学数据集上提升了 27%，在评论数据集上提升了 5%。
引用
@article{arxiv.1701.00188,
title = {Aspect-augmented Adversarial Networks for Domain Adaptation},
author = {Yuan Zhang and Regina Barzilay and Tommi Jaakkola},
journal= {arXiv preprint arXiv:1701.00188},
year = {2017}
}
备注
TACL