空間正則化とデータ増強の埋込みによる連続少数ショット関係学習【JST・京大機械翻訳】

Qin Chengwei; Joty Shafiq

プレプリント

J-GLOBAL ID：202202202919044469 整理番号：22P0298785

空間正則化とデータ増強の埋込みによる連続少数ショット関係学習【JST・京大機械翻訳】

Continual Few-shot Relation Learning via Embedding Space Regularization and Data Augmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月04日プレプリントサーバーでの情報更新日： 2022年03月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

既存の連続関係学習(CRL)法は,新しいタスクを学習するための多くのラベル付き訓練データに依存しており,大規模で代表的なラベル付きデータを得ることは,しばしば高価で時間がかかるので,実際のシナリオで獲得するのが難しい。したがって,以前のタスク知識の破滅的忘却を避けながら,非常に少ないラベル付きデータで新しい関係パターンを学習するモデルが必要である。本論文では,継続的な少数ショット関係学習(CFRL)として,この挑戦的だが実用的な問題を定式化した。新しい新興少数ショットタスクの学習は,以前のタスクの学習された分布と両立しない特徴分布をもたらすという知見に基づいて,空間正則化とデータ増強の埋込みに基づく新しい方法を提案する。提案手法は,新しい少数ショットタスクに一般化し,関係埋込みに余分な制約を強制し,自己監督された方法で余分な{関連}データを加えることにより,以前のタスクの破滅的忘却を回避する。広範な実験で,著者らの方法がCFRLタスク設定において以前の最先端技術を大幅に凌ぐことを示した。【JST・京大機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る