@inprocesdings{van-der-heijden-etal-2021多语种,title=“多语言和跨语言文档分类:元学习方法”,author=“范德海登、尼尔斯和Yannakoudakis、Helen和米什拉、普什卡和叶卡捷琳娜·舒托娃”,editor=“Merlo、Paola和Tiedemann、Jorg和沙法提、鲁特“,booktitle=“计算语言学协会欧洲分会第十六届会议记录:主要卷”,月=四月,年=“2021”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2021.eacl-main.168”,doi=“10.18653/v1/2021.eacl-main.168”,pages=“1966--1976”,抽象=“为了成功应用深度学习方法,世界上绝大多数语言都被认为是资源不足的。在这项工作中,我们提出了一种用于低资源语言文档分类的元学习方法,并证明了其在两种不同环境下的有效性:对以前未见过的语言进行少量的跨语言适应语言;在训练过程中,当目标语言数据有限时,进行多语言联合训练。我们对几种元学习方法进行了系统比较,从数据可用性的角度考察了多种设置,并表明元学习在任务分布异质的环境中蓬勃发展。我们建议对现有的元学习方法进行简单而有效的调整,以实现更好、更稳定的学习,并在多种语言上建立一种新的技术水平,同时在其他语言上表现平平,只使用少量标记数据。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“van-der-heijden-etal-2021多语言”><标题信息>多语言和跨语言文档分类:元学习方法</titleInfo><name type=“个人”>尼尔斯范德海登<角色>作者</角色></name><name type=“个人”>海伦<namePart type=“family”>Yannakoudakis</namePart><角色>作者</角色></name><name type=“个人”><namePart type=“given”>Pushkar</namePart>米什拉<角色>作者</角色></name><name type=“个人”>叶卡捷琳娜舒托娃<角色>作者</角色></name><originInfo>2021-04发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会欧洲分会第16届会议记录:主要卷</titleInfo><name type=“个人”>保罗梅尔洛<角色>编辑器</角色></name><name type=“个人”>Jorg(约格)蒂德曼<角色>编辑器</角色></name><name type=“个人”>Reut(引用)Tsarfaty公司<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</placeTerm></place></originInfo>会议出版物</relatedItem><abstract>世界上绝大多数语言被认为是源代码不足,无法成功应用深度学习方法。在这项工作中,我们提出了一种用于低资源语言文档分类的元学习方法,并在两种不同的环境中证明了其有效性:对以前看不到的语言进行少量的跨语言适应;在训练过程中,当目标语言数据有限时,进行多语言联合训练。我们对几种元学习方法进行了系统比较,从数据可用性的角度考察了多种设置,并表明元学习在任务分布异质的环境中蓬勃发展。我们建议对现有的元学习方法进行简单而有效的调整,以实现更好、更稳定的学习,并在多种语言上建立一种新的技术水平,同时在其他语言上表现平平,只使用少量标记数据</摘要>van-der-heijden-etal-2021多语言10.18653/v1/2021.eacl-main.168<位置><网址>https://aclantology.org/2021.eacl-main.168</url></位置><部分>2021-04年<扩展单元=“page”><开始>19661976年年底</范围></部分></mods></modsCollection>
%0会议记录%多语言和跨语言文档分类:一种元学习方法%A van der Heijden,尼尔斯%A Yannakoudakis,海伦%普什卡·A Mishra%叶卡捷琳娜·舒托娃%Y Merlo、Paola%约格·Y·蒂德曼%Y Tsarfaty,鲁特%计算语言学协会欧洲分会第16届会议论文集:主要卷%D 2021年%4月8日%计算语言学协会%C在线%F van-der-heijden-etal-2021多语言%X世界上绝大多数语言被认为是源代码不足,无法成功应用深度学习方法。在这项工作中,我们提出了一种用于低资源语言文档分类的元学习方法,并在两种不同的环境中证明了其有效性:对以前看不到的语言进行少量的跨语言适应;在训练过程中,当目标语言数据有限时,进行多语言联合训练。我们对几种元学习方法进行了系统比较,从数据可用性的角度考察了多种设置,并表明元学习在任务分布异质的环境中蓬勃发展。我们建议对现有的元学习方法进行简单而有效的调整,以实现更好、更稳定的学习,并在多种语言上建立一种新的技术水平,同时在其他语言上表现平平,只使用少量标记数据。%R 10.18653/v1/2021.eacl-main.168号%U型https://acl选集.org/2021.eacl-main.168%U型https://doi.org/10.18653/v1/2021-eacl-min.168%1966-1976年
降价(非正式)
[多语言和跨语言文档分类:元学习方法](https://aclantology.org/2021.eacl-main.168)(van der Heijden等人,EACL 2021)
国际计算语言学协会
- 尼尔斯·范德海登(Niels van der Heijden)、海伦·扬纳库达基斯(Helen Yannakoudakis)、普什卡·米什拉(Pushkar Mishra)和叶卡捷琳娜·舒托娃(Ekaterina Shutova)。2021多语言和跨语言文档分类:一种元学习方法.英寸计算语言学协会欧洲分会第十六届会议论文集:主要卷1966-1976页,在线。计算语言学协会。