用于问答的有监督与无监督迁移学习
计算与语言
2018-04-24 v3
摘要
尽管迁移学习已被证明在物体与语音识别等任务上是成功的，但其对问答(QA)的适用性尚待充分研究。在本文中，我们使用两个QA模型进行了大量实验，以探究从源QA数据集学到的知识向目标数据集的迁移能力。通过来自MovieQA (Tapaswi et al., 2016) 的简单迁移学习技术，两个模型在TOEFL听力理解测试 (Tseng et al., 2016) 和MCTest (Richardson et al., 2013) 上的表现均得到显著提升。特别地，其中一个模型在所有目标数据集上达到了最先进水平(state-of-the-art)；对于TOEFL听力理解测试，它比先前最佳模型高出7%。最后，我们表明即使在目标QA数据集样本无正确答案可用的无监督场景下，迁移学习也是有帮助的。
引用
@article{arxiv.1711.05345,
title = {Supervised and Unsupervised Transfer Learning for Question Answering},
author = {Yu-An Chung and Hung-Yi Lee and James Glass},
journal= {arXiv preprint arXiv:1711.05345},
year = {2018}
}
备注
To appear in NAACL HLT 2018 (long paper)