用于不和谐检测的迁移和主动学习:应对罕见的课堂挑战

Vasudha Varadarajan, Swanie Juhng, Syeda Mahwish, Xiaoran Liu, Jonah Luby, Christian Luhmann 以及 H. Andrew Schwartz
虽然基于变换器的系统通过更少的训练示例实现了更高的精度,但对于罕见的类任务,数据获取障碍仍然存在——当类标签非常罕见时(例如,5%的样本)。主动学习通常被提出来缓解这些挑战,但选择策略的选择,即选择稀有例子的标准,尚未得到系统的评估。此外,transformer实现了迭代...

用户分享观点: