面向语义解析中领域泛化的元学习
计算与语言
2021-04-14 v2
摘要
构建可应用于新领域并生成训练时未见程序的语义解析器的重要性早已得到认可，且测试域外性能的数据集正日益增多。然而，极少有研究关注促进领域泛化的学习算法或目标，几乎所有现有方法都依赖标准监督学习。本工作中，我们使用一个针对语义解析零样本领域泛化目标的元学习框架。我们采用一种模型无关的训练算法，通过从互不相交的领域中构建虚拟训练集和测试集来模拟零样本解析。该学习目标利用了如下直觉：能提升源领域性能的梯度步也应能提升目标领域性能，从而鼓励解析器泛化到未见的目标领域。在（英文）Spider 和中文 Spider 数据集上的实验结果表明，元学习目标显著提升了基线解析器的性能。
引用
@article{arxiv.2010.11988,
title = {Meta-Learning for Domain Generalization in Semantic Parsing},
author = {Bailin Wang and Mirella Lapata and Ivan Titov},
journal= {arXiv preprint arXiv:2010.11988},
year = {2021}
}
备注
NAACL2021 Camera Ready