西湖大学张岳:自然语言处理中的多任务联合学习(384页PPT)
Posted 专知
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了西湖大学张岳:自然语言处理中的多任务联合学习(384页PPT)相关的知识,希望对你有一定的参考价值。
【导读】西湖大学张岳博士在EMNLP2018 上做了《Joint Models for NLP 》的Tutorial。
自然语言处理中的很多任务包含多个步骤。比如,分词是很多中文处理任务的基础。每个步骤任务可以分别建模,形成一个多部模型。然而,多部模型具有两个缺点。首先,不同步骤之间存在错误蔓延。其次,不同步骤之间难以共享信息。联合模型可以用于解决以上问题。构造联合模型的挑战有两点。第一,不同步骤的搜索空间组合形成算法挑战。第二,不同步骤之间信息共享形成建模挑战。这次讲习班讨论联合模型用于不同自然语言处理任务,从统计模型开始,到神经原网络模型为止。基于图和基于转移的模型会被讨论。
张岳
张岳,2003年毕业于清华大学计算机科学专业,获得学士学位;2006年毕业于牛津大学计算机科学专业,获得硕士学位;2009年毕业于牛津大学计算机科学专业,获得博士学位。2010年3月-2012年6月在剑桥大学计算机科学专业从事博士后研究,2012年7月-2018年8月在新加坡科技与设计大学担任助理教授。拟定2018年全职回国工作。
个人主页:
https://frcchang.github.io/index.html
http://www.wias.org.cn/index.php?a=kydetail&catid=487&id=8925&web=chinese
后台回复“JMNLP” 就可以获取全文报告 PPT下载链接~
报告PPT
PPT内容较多,建议在后台下载全部内容查看。
-END-
专 · 知
与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!
请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!
请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~
点击“阅读原文”,使用专知
以上是关于西湖大学张岳:自然语言处理中的多任务联合学习(384页PPT)的主要内容,如果未能解决你的问题,请参考以下文章
总结 | 复旦大学陈俊坤:自然语言处理中的多任务学习 | AI 研习社职播间第 6 期