ISS-MULT：问答多任务学习中的智能样本选择
计算与语言
2019-11-05 v2
摘要
将知识从源领域迁移到另一领域是非常有用的，特别是当收集新数据非常昂贵且耗时的时候。近年来，深度网络在问答任务中得到了充分的研究；然而，在问答领域，通过深度神经网络进行迁移学习尚无显著的研究。本文考察了该领域的两种主要方法（INIT 和 MULT）。然后，提出了一种名为智能样本选择（ISS-MULT）的新方法，以改进问答任务中的 MULT 方法。使用不同的数据集，特别是 SQuAD、SelQA、WikiQA、NewWikiQA 和 InforBoxQA 进行评估。此外，评估了问答的两个不同任务——答案选择和答案触发——以检验迁移学习的有效性。结果表明，如果语料库相关且基于相同策略，使用迁移学习通常能提高性能。此外，使用 ISS-MULT 能够很好地改进问答任务中的 MULT 方法，并且这些改进在答案触发任务中更为显著。
引用
@article{arxiv.1708.02267,
title = {ISS-MULT: Intelligent Sample Selection for Multi-Task Learning in Question Answering},
author = {Ali Ahmadvand and Jinho D. Choi},
journal= {arXiv preprint arXiv:1708.02267},
year = {2019}
}