多维变换式学习

本文提出了一种新方法，使遵循变换式学习范式的机器学习算法能够应用于多个分类任务，通过在所有字段上联合和同步训练。构建此类系统的动机源于观察：许多自然语言处理任务本质上由多个需要同时解决的子任务组成；此外，通常在孤立状态下学习的任务可能从联合框架中受益，因为额外任务的信号通常构成归纳偏置。本文评估了所提算法：其中一个实验中，该系统用于联合预测英文语料库中的词性标注和文本块/基准名词短语块；第二个实验中，用于学习中文词语边界和词性标注的联合预测。结果表明，多个任务的同步学习在训练相同任务的顺序方式时，能够在每个任务上实现性能提升。词性标注结果达到 96.63%，在该特定训练/测试划分上实现了针对单个系统的最高水平。