关键词cross-lingual text classification
搜索结果 - 8
- ACLT3L:跨语言文本分类的翻译测试迁移学习
该研究提出了一种基于经典的 “翻译和测试” 流程的跨语言文本分类方法,该方法将神经机器翻译器与高资源语言中的文本分类器相结合,通过端到端反向传播来进行微调,并在三个跨语言文本分类数据集上展示了显著的改进。
- ACL多语言 LLM 通过对齐更好地进行跨语言上下文学习
本研究分析了在跨语言文本分类中使用 in-context learning 的问题,并提出了一种称为 Cross-lingual In-context Source-Target Alignment (X-InSTA) 的 prompt 构 - EMNLP基于字典异构图的跨语言文本分类转移
本文提出了一种使用高资源语言的任务无关单词嵌入和双语词典来完成跨语言分类任务的方法,具体实现为通过构建基于词典的异构图和引入两级聚合的 DHGNet 这一图神经网络模型。实验结果表明,该方法在准确度方面优于预训练模型,且对于翻译错误具有一定 - ACL异构图神经网络实现跨语言文本分类
该论文提出了一种利用图卷积网络在跨语言文本分类中融合异构信息的简单高效方法,利用词性角色、语义相似度和文档翻译等信息构建了异构图,实现了在所有任务中显著优于现有模型的性能和低资源情况下良好的一致性表现。
- EMNLP通过稀疏教师转移在资源有限情况下进行跨语言文本分类
本文提出了一种跨语言教师 - 学生方法 (CLTS),通过最小化跨语言资源 (即少量单词翻译),将跨语言监督信息扩展到目标语言中,采用有限的翻译预算提取并转移最重要的任务特定的种子词,然后使用种子词初始化老师分类器,进而循环训练一个更强大的 - SIGIR利用对抗训练在自学习中进行跨语言文本分类
本研究提出了一种半监督敌对训练过程,通过最小化标签保留输入扰动的最大损失来改进跨语言文本分类,进而为目标语言样本诱导标签以进一步适应模型。与多个强基线比较,我们观察到了在各种语言的文档和意图分类上的显著增益。
- ACL文本分类的跨语言蒸馏
本研究提出了一个基于模型蒸馏的跨语言文本分类新方法,使用软概率预测作为并行语料库中标签丰富语言中的监督标签,成功地对目标语言训练分类器,并应用对抗式特征适应技术以减少分布不匹配现象,实验证明该方法具有优越的性能。
- EMNLPTrans-gram,快速跨语言词向量
Trans-gram 是一种简单且计算效率高的多语言学习方法,使用仅有的各种语言的单语数据和较小的句子对齐数据,同时学习和对齐单词嵌入表示。该方法使用英语作为轴心语言,计算出 21 种语言的对齐单词嵌入表示,通过该方法实现了跨语言文本分类和