低资源环境下基于回译与元学习的神经语义解析
信号处理
2019-09-13 v1 信息论
math.IT
摘要
神经语义解析近年来取得了令人印象深刻的成果，然而其成功依赖于大量有监督数据的可用性。我们的目标是在仅具备有限数量简单规则的先验知识、无法访问标注程序或执行结果的情况下，学习一个神经语义解析器。我们的方法由规则初始化，并在回译范式中利用语义解析器和问题生成器生成的问答程序对进行改进。一个带有频繁映射模式的短语表被自动导出，并随训练进展更新，以衡量生成实例的质量。我们用模型无关元学习训练模型，以保证在规则覆盖样本上的准确性和稳定性，同时获得对规则未覆盖样本良好泛化的通用性。在三个具有不同领域和程序的基准数据集上的结果表明，我们的方法逐步提升了准确率。在 WikiSQL 上，我们的最佳模型可与从指称中学习的 SOTA 系统相媲美。
引用
@article{arxiv.1909.05437,
title = {Resource Allocation in Dynamic DF Relay for SWIPT Network with Circuit Power Consumption},
author = {Bhathiya Pilanawithana and Saman Atapattu and Jamie Evans},
journal= {arXiv preprint arXiv:1909.05437},
year = {2019}
}
备注
2019 IEEE Global Communications Conference (GLOBECOM)