arXiv · cs.CL· Muhammad Imran·· 15 小时前AI 评分23
用多任务学习与句法增强做情感极性分类
Polarity Classification with Multitask Learning Syntax Augmentation
来源与原文
arXiv · cs.CL
作者：Muhammad Imran
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.08323v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究提出两种在统一多任务学习框架下把句法知识注入神经情感分析模型的策略：Standard-MTL 用共享编码器加两个任务头联合学习依存句法（序列标注）与情感极性分类，Contrastive-MTL 则通过对比辅助目标和句法偏置注意力池化提供隐式句法引导，训练时依赖句法标注、推理时无需外部解析器。在覆盖七种语言的 11 个数据集上，采用 relative 编码时 Contrastive-MTL 在 11 个数据集中的 10 个上优于无句法基线，并在 SELSP 适用的全部 6 个数据集上超过该推理时解析的规则流水线，评测速度快 1.5–9 倍。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。