UserIdentifier：用于简洁高效个性化情感分析的隐式用户表示
机器学习
2022-05-05 v2 人工智能
计算与语言
摘要
全局模型被训练为尽可能具有泛化能力，由于模型在大量用户间共享，用户不变性被视为可取之处。因此，这些模型往往无法基于个体用户的数据产生个性化响应。与广泛使用的基于少样本学习的个性化技术相反，我们提出UserIdentifier，一种为所有用户训练单一共享模型的新方案。我们的方法通过向输入数据添加固定的、不可训练的用户标识符来产生个性化响应。我们通过实验证明，在一系列情感分析数据集上，所提方法比基于前缀微调的当前最优方法高出至多13%。我们还表明，与先前工作不同，该方法既不需要任何额外模型参数，也不需要任何额外的少样本微调轮次。
引用
@article{arxiv.2110.00135,
title = {UserIdentifier: Implicit User Representations for Simple and Effective Personalized Sentiment Analysis},
author = {Fatemehsadat Mireshghallah and Vaishnavi Shrivastava and Milad Shokouhi and Taylor Berg-Kirkpatrick and Robert Sim and Dimitrios Dimitriadis},
journal= {arXiv preprint arXiv:2110.00135},
year = {2022}
}