利用迁移学习提升俄语情感数据集的效果
计算与语言
2021-07-07 v1
摘要
在本研究中，我们基于远程监督技术生成的额外训练样本，在俄语情感基准数据集上测试了迁移学习方法。我们比较了将额外数据与基准训练样本相结合的几种变体。最佳结果通过先在通用训练样本、再在主题训练样本、最后在原始训练样本上依次训练的三步方法取得。对于大多数数据集，结果相较当前最先进（SOTA）方法提升了超过3%。将情感分类问题视为自然语言推理任务的 BERT-NLI 模型在其中一个数据集上达到了人类水平的情感分析。
引用
@article{arxiv.2107.02499,
title = {Transfer Learning for Improving Results on Russian Sentiment Datasets},
author = {Anton Golubev and Natalia Loukachevitch},
journal= {arXiv preprint arXiv:2107.02499},
year = {2021}
}
备注
Dialogue 2021