تحليل المعففات المستندة إلى جانب الجسيم والاعتراف كيان اسم المغني باستخدام التعلم بناء على شبكة توليد المعلمة

عندما نهم مهتمين في مجال معين، يمكننا جمع وتحليل البيانات من الإنترنت.لا يتم تصميم البيانات التي تم جمعها حديثا، لذلك من المأمول استخدام البيانات المسمى مفيدة للبيانات الجديدة.نقوم بإجراء التعرف على كيان الاسم (NER) وتحليل المعرفات المستندة إلى جانب الجسيم (ABASA) في التعلم متعدد المهام، والجمع بين شبكة توليد المعلمة والهندسة المعمارية Dann لبناء النموذج.في مهمة NER، يتم تصنيف البيانات مع التعادل والكسر، ويتم ضبط وزن المهمة وفقا لمعدل تغيير الخسارة في كل مهمة باستخدام متوسط الوزن الديناميكي (DWA).استخدمت هذه الدراسة مجموعات بيانات مجال مصدر مختلفة.تظهر النتائج التجريبية أن التعادل، استراحة يمكن أن تحسن نتائج النموذج؛يمكن أن يكون DWA أداء أفضل في النتائج؛يمكن استخدام مزيج شبكة توليد المعلمة وطبقة انعكاس التدرج لكل تعلم جيد في مجال مختلف.

When we are interested in a certain domain, we can collect and analyze data from the Internet. The newly collected data is not labeled, so the use of labeled data is hoped to be helpful to the new data. We perform name entity recognition (NER) and aspect-based sentiment analysis (ABSA) in multi-task learning, and combine parameter generation network and DANN architecture to build the model. In the NER task, the data is labeled with Tie, Break, and the task weight is adjusted according to the loss change rate of each task using Dynamic Weight Average (DWA). This study used two different source domain data sets. The experimental results show that Tie, Break can improve the results of the model; DWA can have better performance in the results; the combination of parameter generation network and gradient reversal layer can be used for every good learning in different domain.