两种句法增强多任务学习策略用于情感分析
热点事件持续更新
两种句法增强多任务学习策略用于情感分析
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Muhammad Imran 与 Carlos Gómez-Rodríguez 提出并比较了两种将句法知识融入神经情感分析模型的多任务学习策略。Standard-MTL 用共享编码器加依存句法与极性分类两个任务头联合学习;Contrastive-MTL 通过对比辅助目标和句法偏置注意力池化提供隐式句法引导。 作者称,在 11 个数据集上,Contrastive-MTL 有 10 个超越基线。这一比较结果是作者报告的结果,尚待独立验证。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
用多任务学习句法增强做极性分类:Contrastive-MTL 在 11 个数据集上 10 个超越基线报道时间线
沿着报道,了解事件的不同侧面。
11月6日
- arXiv cs.CL用多任务学习句法增强做极性分类:Contrastive-MTL 在 11 个数据集上 10 个超越基线
研究提出两种将句法知识融入神经情感分析的多任务学习策略:Standard-MTL 用共享编码器加两个任务头联合学习依存句法与极性分类,Contrastive-MTL 则通过对比辅助目标和句法偏置注意力池化提供隐式句法引导。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。