用于自然语言理解的循环神经网络领域自适应
计算与语言
2016-08-11 v2
摘要
本文的目标是使用多任务学习来高效扩展用于自然语言理解的槽填充模型，以处理多个目标任务或领域。可扩展性的关键是减少学习新任务模型所需的训练数据量。所提出的多任务模型通过利用从其他任务中学习到的模式，以更少的数据提供更好的性能。该方法支持开放词汇表，允许模型泛化到未见过的词，这在使用的训练数据非常少时尤为重要。一个新收集的众包数据集，涵盖四个不同领域，用于证明领域自适应和开放词汇表技术的有效性。
引用
@article{arxiv.1604.00117,
title = {Domain Adaptation of Recurrent Neural Networks for Natural Language Understanding},
author = {Aaron Jaech and Larry Heck and Mari Ostendorf},
journal= {arXiv preprint arXiv:1604.00117},
year = {2016}
}
备注
Interspeech 2016