低资源场景下论证挖掘的多任务学习
计算与语言
2018-05-07 v3
摘要
我们研究多任务学习（MTL）是否以及在何处能提升与论证挖掘（AM）相关的 NLP 问题性能，特别是论证成分识别。我们的结果表明，当主任务的训练数据很少时（AM 中的常见场景），MTL 表现尤为良好（且优于单任务学习）。我们的发现挑战了先前的假设，即 AM 数据集间的概念化是发散的，且 MTL 对语义或更高层次任务而言是困难的。
引用
@article{arxiv.1804.04083,
title = {Multi-Task Learning for Argumentation Mining in Low-Resource Settings},
author = {Claudia Schulz and Steffen Eger and Johannes Daxenberger and Tobias Kahse and Iryna Gurevych},
journal= {arXiv preprint arXiv:1804.04083},
year = {2018}
}
备注
Accepted at NAACL 2018