Multi-Task Learning in Natural Language Processing: An Overview

计算机科学 人工智能 机器学习 深度学习 杠杆(统计) 过度拟合 建筑 自然语言理解 正规化(语言学) 任务(项目管理) 多任务学习 自然语言处理 自然语言 人工神经网络 管理 经济 艺术 视觉艺术
作者
Shijie Chen,Yu Zhang,Qiang Yang
出处
期刊:ACM Computing Surveys [Association for Computing Machinery]
卷期号:56 (12): 1-32 被引量:4
标识
DOI:10.1145/3663363
摘要

Deep learning approaches have achieved great success in the field of Natural Language Processing (NLP). However, directly training deep neural models often suffer from overfitting and data scarcity problems that are pervasive in NLP tasks. In recent years, Multi-Task Learning (MTL), which can leverage useful information of related tasks to achieve simultaneous performance improvement on these tasks, has been used to handle these problems. In this article, we give an overview of the use of MTL in NLP tasks. We first review MTL architectures used in NLP tasks and categorize them into four classes, including parallel architecture, hierarchical architecture, modular architecture, and generative adversarial architecture. Then we present optimization techniques on loss construction, gradient regularization, data sampling, and task scheduling to properly train a multi-task model. After presenting applications of MTL in a variety of NLP tasks, we introduce some benchmark datasets. Finally, we make a conclusion and discuss several possible research directions in this field.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
噬㿠老人完成签到 ,获得积分10
1秒前
碧蓝迎南发布了新的文献求助10
1秒前
2秒前
bbanshan完成签到,获得积分10
2秒前
2秒前
在水一方应助吱哦周采纳,获得10
2秒前
搜集达人应助小青采纳,获得10
3秒前
小马甲应助Mr采纳,获得10
3秒前
3秒前
3秒前
SherlockJia应助忽忽采纳,获得10
3秒前
3秒前
buno应助李铭采纳,获得10
4秒前
朝霞应助大晨采纳,获得10
5秒前
呼了个呼完成签到,获得积分10
6秒前
科研通AI2S应助gyh采纳,获得10
6秒前
7秒前
张嘻嘻完成签到,获得积分20
7秒前
huwan发布了新的文献求助10
7秒前
8秒前
8秒前
8秒前
可乐鸡翅发布了新的文献求助50
8秒前
小闵完成签到,获得积分10
8秒前
复杂的凝冬完成签到,获得积分10
8秒前
Libra完成签到,获得积分10
8秒前
CodeCraft应助Ploaris采纳,获得10
8秒前
9秒前
10秒前
小值钱完成签到,获得积分10
11秒前
iu完成签到,获得积分10
12秒前
gongjie04发布了新的文献求助10
12秒前
Feiruxu完成签到,获得积分10
12秒前
12秒前
张嘻嘻发布了新的文献求助10
12秒前
俭朴的乐巧完成签到 ,获得积分10
12秒前
Harbour-Y发布了新的文献求助10
13秒前
13秒前
13秒前
1651616完成签到,获得积分10
13秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3257646
求助须知:如何正确求助?哪些是违规求助? 2899495
关于积分的说明 8306249
捐赠科研通 2568732
什么是DOI,文献DOI怎么找? 1395281
科研通“疑难数据库(出版商)”最低求助积分说明 652995
邀请新用户注册赠送积分活动 630822