@正在进行{wu-etal-2020任务,title=“面向任务的文本分类领域特定元嵌入”,author=“Wu、Xin和蔡、易和Kai、Yang和王、陶和李清“,editor=“韦伯、邦妮和科恩、特雷弗和他、玉兰和刘,杨“,booktitle=“2020年自然语言处理经验方法会议记录(EMNLP)”,月=11月,年=“2020”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2020.emnlp-main.282",doi=“10.18653/v1/2020.emnlp-main.282”,pages=“3508--3513”,抽象=“元嵌入学习结合了不同单词嵌入中的互补信息,在不同的自然语言处理任务中表现出了优异的性能。然而,现有的元嵌入方法仍然忽略了特定领域的知识,这导致特定领域的性能不稳定。此外,在不同领域,元嵌入学习的效果并不稳定通用和领域词嵌入的重要性与下游任务有关,如何规范元嵌入以适应下游任务是一个尚未解决的问题。在本文中,我们提出了一种将特定领域和面向任务的信息合并到元嵌入中的方法。我们在四个文本分类数据集上进行了广泛的实验,结果表明了我们提出的方法的有效性。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“wu-etal-2020-task”><标题信息>文本分类的面向任务的特定领域元嵌入</titleInfo><name type=“个人”>辛吴<角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><name type=“personal”>易建联蔡<namePart type=“family”><角色>作者</角色></name><name type=“personal”>杨(Yang)<namePart type=“family”>Kai</namePart><角色>作者</角色></name><name type=“personal”>道王<namePart type=“family”><角色>作者</角色></name><name type=“personal”>青李<namePart type=“family”><角色>作者</角色></name><originInfo><发布日期>2020-11</发布日期></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>2020年自然语言处理实证方法会议记录</titleInfo><name type=“个人”>邦妮韦伯<namePart type=“family”>Webber</namePart><角色>编辑器</角色></name><name type=“personal”>特雷弗科恩<角色>编辑器</角色></name><name type=“personal”>玉兰他<角色>编辑器</角色></name><name type=“personal”>杨(Yang)刘<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</place></originInfo><type-authority=“marcgt”>会议出版物</type></relatedItem>元嵌入学习结合了不同单词嵌入中的互补信息,在不同的自然语言处理任务中表现出了优异的性能。然而,现有的元嵌入方法仍然忽略了特定领域的知识,导致特定领域的性能不稳定。此外,一般和领域词嵌入的重要性与下游任务有关,如何正则化元嵌入以适应下游任务是一个尚未解决的问题。在本文中,我们提出了一种将特定领域和面向任务的信息合并到元嵌入中的方法。我们在四个文本分类数据集上进行了广泛的实验,结果表明了我们提出的方法的有效性</摘要>wu-etal-2020任务10.18653/v1/2020。emnlp-main.282<位置><网址>https://aclantology.org/2020.emnlp-main.282</url></位置><部分><日期>2020-11</date><扩展单元=“page”><开始>3508</开始><end>3513</范围></部分></mods></modsCollection>
%0会议记录%面向任务的文本分类领域元嵌入%阿武,辛%阿才、易%A Kai,Yang(杨凯)%王涛%阿丽,清%Y Webber,邦妮%特雷弗·Y·科恩%Yu He,玉兰%Y Liu、Yang%2020年自然语言处理实证方法会议论文集%D 2020年%11月8日%计算语言学协会%C在线%F wu-etal-2020任务%X元嵌入学习结合了不同单词嵌入中的互补信息,在不同的自然语言处理任务中表现出优异的性能。然而,现有的元嵌入方法仍然忽略了特定领域的知识,导致特定领域的性能不稳定。此外,通用和领域词嵌入的重要性与下游任务有关,如何规范元嵌入以适应下游任务是一个尚未解决的问题。在本文中,我们提出了一种将特定领域和面向任务的信息合并到元嵌入中的方法。我们在四个文本分类数据集上进行了广泛的实验,结果表明了我们提出的方法的有效性。%R 10.18653/v1/2020.emnlp-main.282%U型https://aclantology.org/2020.emnlp-main.282%U型https://doi.org/10.18653/v1/2020.emnlp-main.282%电话3508-3513
降价(非正式)
[针对文本分类的面向任务的特定领域元嵌入](https://aclantology.org/2020.emnlp-main.282)(Wu等人,EMNLP 2020)
国际计算语言学协会
- 吴欣(Xin Wu)、蔡毅(Yi Cai)、杨凯(Yang Kai)、王涛(Tao Wang)和李青(Qing Li)。2020年。面向任务的面向领域的文本分类元嵌入.英寸2020年自然语言处理实证方法会议记录,第3508–3513页,在线。计算语言学协会。