用于监督式方面抽取的终身学习CRF
计算与语言
2017-05-02 v1
摘要
本文对监督式方面抽取做出了一项聚焦的贡献。它表明，如果系统已从许多过往领域执行过方面抽取并保留其结果作为知识，则条件随机场（CRF）能够以终身学习的方式利用该知识，在新领域中进行抽取，其效果明显优于不使用此先验知识的传统CRF。关键创新在于，即使在CRF训练之后，该模型仍能在应用经验中改进其抽取。
引用
@article{arxiv.1705.00251,
title = {Lifelong Learning CRF for Supervised Aspect Extraction},
author = {Lei Shu and Hu Xu and Bing Liu},
journal= {arXiv preprint arXiv:1705.00251},
year = {2017}
}
备注
Accepted at ACL 2017. arXiv admin note: text overlap with arXiv:1612.07940