multi-task learning framework | BriefGPT

关键词multi-task learning framework

搜索结果 - 12

用根据和结构的因果问答提升事件因果性鉴定
提出了一种多任务学习框架，通过因果性问题回答和事件结构图，增强了文档级事件因果性识别，并通过生成理由和结构感知的因果性问答来解释具有因果关系的事件。
PDF3 months ago
EMNLPCLMSM：面向过程文本预训练的多任务学习框架
提出了 CLMSM：一种针对特定领域的连续预训练框架，通过学习大量过程配方来优化两个目标，一是使用硬三元组的对比学习来学习程序实体间的细粒度差异，二是使用新颖的遮蔽 - 步骤建模目标来学习步骤的上下文。通过在三个数据集上进行实体跟踪和动作对
PDF8 months ago
ACLRADE：基于参考的开放领域对话评估
使用参考答案辅助的多任务学习框架可以评估开放领域对话系统，有效解决多对多问题，通过人工标注获取多个评分而非仅限于黄金答案，实验证明该方法优于现有基准。
PDF10 months ago
KDD朝着更好的排名一致性迈进：用于早期广告排名的多任务学习框架
我们提出了一个多任务学习框架，用于早期阶段排名以捕获多个最终阶段排名组件和它们的任务关系，实现广告召回率和排名一致性的改进。通过模型整合，我们不仅可以实现成本节约，还可以在大规模工业广告排名系统中实现显著更高的点击率、转化率、总价值和更好的
PDFa year ago
EMNLP帮助弱者使你强大：简单的多任务学习提升非自回归翻译者
提出一种多任务学习框架，加强非自回归神经机器翻译模型的学习信号并改进其准确性。实验证明该方法可以在不增加解码开销的情况下稳定提升多个非自回归基准模型的准确性。
PDF2 years ago
神经图模型
本研究介绍了神经图模型，该模型采用神经网络作为多任务学习框架，通过表示节点之间的依赖结构及其复杂的函数表示来捕获特征之间的完整的复杂依赖关系，并提供 NGMs 的有效学习、推理和采样算法。NGMs 可以适应包括有向、无向和混合边缘图在内的通
PDF2 years ago
ACL基于证据性引导的知识密集型自然语言处理任务生成
本文介绍一种新的方法，通过多任务学习框架和银标签法来预测每个句子的证据性，并将其集成到生成模型的训练中，从而提高了知识密集型 NLP 任务中的生成模型的表现，尤其是在 FaVIQ-Ambig 上。
PDF3 years ago
DistilHuBERT：基于层间蒸馏的 BERT 隐藏单元语音表示学习
本文介绍了 DistilHuBERT，它是一种新的多任务学习框架，可从 HuBERT 模型中提取隐藏表示，节省了大量内存和训练时间成本，并且在十个不同的任务中保留了大多数性能，从而使得个人和设备上的 SSL 模型的预训练成为可能。
PDF3 years ago
利用文本数据增强语音转文本任务的通用多任务学习框架
本文提出了一种多任务学习框架，利用文本数据来提高自动语音识别和语音翻译的性能，其中包括基于注意力的序列到序列建模、去噪自动编码器、机器翻译等技术。在英语语音识别任务中，该方法相对于基线线下降了 10~15% 的词错误率，在 MuST-C 任
PDF4 years ago
联邦式机器学习的数据注入攻击
本文旨在研究联邦机器学习中的数据投毒攻击漏洞，使用一个基于多任务学习框架的联邦学习框架，提出了一个自适应的双层优化问题，并提出了一种系统感知的优化方法，ATTack on Federated Learning (AT2FL)，用于计算联邦机
PDF4 years ago
基于多传感器的智能手机食物体积估计
本文提出了一种名为 MUSEFood 的新方法，利用智能手机的摄像头、麦克风和扬声器结合多任务学习框架，旨在解决估算食物容量准确度差的问题。实验证明，MUSEFood 可以高效地估算食物容量并具有比现有方法更好的性能。
PDF5 years ago
多任务学习下的联合 CTC-Attention 基于端到端语音识别
本研究介绍了一种新的方法，使用多任务学习框架中的联合 CTC-attention 模型来改善端到端语音识别的鲁棒性并实现快速收敛，从而减轻对齐问题。实验证明，与 CTC 和 attention-based encoder-decoder 基
PDF8 years ago