نمت استخدام تعلم النقل في معالجة اللغة الطبيعية (NLP) خلال السنوات القليلة الماضية. الشبكات العصبية الكبيرة المدربة مسبقا تستند إلى بنية المحولات هي أحد الأمثلة على ذلك، وتحقيق أداء حديثة من المخين في العديد من معايير الأداء الشائعة الاستخدام، وغالبا
ما يكون عند التصميم على مهمة أسفل المصب. كما تم عرض شكل آخر من أشكال التعلم النقل، التعلم المتعدد المهام، تحسين الأداء في مهام معالجة اللغة الطبيعية وزيادة متانة النموذج. تحدد هذه الورقة النتائج الأولية للتحقيقات في تأثير استخدام نماذج اللغة المسبقة مسبقا جنبا إلى جنب مع تعدد المهام الدقيقة لإنشاء نظام علامات تلقائية من اللغة الإنجليزية المكتوبة باللغة الإنجليزية المكتوبة باللغة الإنجليزية. باستخدام نماذج محولات متعددة ومجموعات البيانات المتعددة، تقارن هذه الدراسة مجموعات مختلفة من النماذج والمهام وتقييم تأثيرها على أداء نظام العلامات الآلي هذا العرض التقديمي عبارة عن لقطة من العمل الذي يتم إجراؤه كجزء من أطروحتي لجامعة ولفرهامبتون برنامج الأساتذة اللغوية الحاسوبية.
