基于知识迁移的情感分类持续学习
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
本文研究情感分类（SC）中的持续学习（CL）。在该设定下，CL系统在一个神经网络中增量地学习一系列SC任务，其中每个任务构建一个分类器，用于分类特定产品类别或领域的评论情感。两个自然的问题是：系统能否将过去从先前任务中学到的知识迁移到新任务，以帮助其学习更好的新任务模型？以及，先前的旧任务模型是否也能在此过程中得到改进？本文提出一种称为KAN的新技术来实现这些目标。KAN可通过前向和后向知识迁移，显著提高新任务和旧任务的SC准确率。KAN的有效性通过大量实验得到证明。
引用
@article{arxiv.2112.10021,
title = {Continual Learning with Knowledge Transfer for Sentiment Classification},
author = {Zixuan Ke and Bing Liu and Hao Wang and Lei Shu},
journal= {arXiv preprint arXiv:2112.10021},
year = {2021}
}