多任务学习

Question

有人可以用简单直观的方式解释多任务学习吗？可能是一些真实的 世界问题很有用。最近，我看到很多人都在使用它进行自然语言处理任务。

Answer 1

假设您已经为几个不同的域构建了一个情绪分类器。比如说，电影，音乐DVD和电子产品。这些很容易构建高质量的分类器，因为有大量的训练数据是您从亚马逊中删除的。除了每个分类器，您还可以构建一个相似性检测器，它将告诉您一段给定的文本，它与每个分类器所训练的数据集的相似程度。

现在，您想要查找来自未知域的某些文本的情绪，或者找不到要训练的数据集的文本。那么，我们如何对我们已经拥有的三个高质量分类器的分类进行相似性加权组合。如果我们试图对洗碗机评论进行分类（不幸的是没有洗碗机的大量评论），它可能与电子产品最相似，因此电子分类器的重量最大。另一方面，如果我们试图对电视节目的评论进行分类，那么电影分类器可能会做得最好。