使用域与任务感知参数化的多域口语理解
计算与语言
2021-11-30 v2
摘要
口语理解一直被作为一个有监督学习问题来处理，其中每个域都有一组可用的训练数据。然而，为每个域标注数据既耗费资金又难以扩展，因此我们应充分利用跨所有域的信息。一种现有方法通过进行多域学习来解决该问题，使用共享参数跨域联合训练。我们提议通过使用域特定和任务特定的模型参数来改进该方法的参数化，以改善知识学习与迁移。在 5 个域上的实验表明，我们的模型对多域 SLU 更有效并取得了最佳结果。此外，我们展示了其可迁移性：当以少量数据适配到新域时，比先前最佳模型高出 12.4%。
引用
@article{arxiv.2004.14871,
title = {Multi-Domain Spoken Language Understanding Using Domain- and Task-Aware Parameterization},
author = {Libo Qin and Minheng Ni and Yue Zhang and Wanxiang Che and Yangming Li and Ting Liu},
journal= {arXiv preprint arXiv:2004.14871},
year = {2021}
}
备注
Accepted by Transactions on Asian and Low-Resource Language Information Processing (TALLIP)