面向低资源文本分类任务的分布外检测
计算与语言
2019-09-13 v1 机器学习
机器学习
摘要
低资源文本分类的分布外（OOD）检测是一项现实却被研究不足的任务。目标是在有限的域内（ID）训练数据下检测 OOD 样本，因为我们在机器学习应用中观察到训练数据常常不足。在这项工作中，我们提出一种抗 OOD 的原型网络，以应对这一零样本 OOD 检测和少样本 ID 分类任务。在真实世界数据集上的评估表明，所提出的方案在零样本 OOD 检测任务上优于最先进方法，同时在 ID 分类任务上保持有竞争力的性能。
引用
@article{arxiv.1909.05357,
title = {Out-of-Domain Detection for Low-Resource Text Classification Tasks},
author = {Ming Tan and Yang Yu and Haoyu Wang and Dakuo Wang and Saloni Potdar and Shiyu Chang and Mo Yu},
journal= {arXiv preprint arXiv:1909.05357},
year = {2019}
}
备注
EMNLP 2019