耦合远程标注与对抗训练用于跨领域中文分词
计算与语言
2020-09-03 v2 机器学习
摘要
全监督神经方法在中文分词（CWS）任务上已取得显著进展。然而，当监督模型应用于领域外数据时，其性能往往急剧下降。性能退化是由跨领域的分布差异和未登录词（OOV）问题引起的。为同时缓解这两个问题，本文提出耦合远程标注与对抗训练用于跨领域 CWS。在远程标注方面，我们重新思考“中文词”的本质，设计了一种不需要目标领域任何监督或预定义词典的自动远程标注机制。该方法能有效挖掘领域特定词并对目标领域的原始文本进行远程标注。在对抗训练方面，我们开发了一种句子级训练过程以进行降噪并最大化利用源领域信息。在多个跨领域真实世界数据集上的实验表明了我们的模型的优越性和鲁棒性，显著优于以往的 SOTA 跨领域 CWS 方法。
引用
@article{arxiv.2007.08186,
title = {Coupling Distant Annotation and Adversarial Training for Cross-Domain Chinese Word Segmentation},
author = {Ning Ding and Dingkun Long and Guangwei Xu and Muhua Zhu and Pengjun Xie and Xiaobin Wang and Hai-Tao Zheng},
journal= {arXiv preprint arXiv:2007.08186},
year = {2020}
}
备注
Accepted by ACL 2020