论文解读（UDALM）《UDALM: Unsupervised Domain Adaptation through Language Modeling 》

Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ]

论文信息

论文标题：UDALM: Unsupervised Domain Adaptation through Language Modeling 
论文作者：Constantinos Karouzos, Georgios Paraskevopoulos, Alexandros Potamianos
论文来源：2021 aRxiv
论文地址：download
论文代码：download
视屏讲解：click

1 介绍 

　　动机：探索了无监督域自适应（UDA）中针对下游任务的预训练语言模型的；

　　摘要：引入了 UDALM，使用分类和屏蔽语言模型损失，可以以鲁棒和样本效率的方式适应目标域分布；

　　贡献：

• • 提出了 UDALM ，一个基于多任务学习的 简单、健壮的无监督域适应过程下游 Bert 模型；
  • 在 亚马逊评论基准数据集 分类为 SOTA；
  • 基于理论概念和经验观察，探讨了距离与目标误差的关系，并总结了领域对抗训练的理论；

2 方法

模型框架：

　　

2.1 训练步骤

　　Step1：Fig.1a 在大规模数据集上进行 MLM 、NSP 预训练；
　　Step2：Fig.1b 使用上述预训练好的模型在 目标域内进行 MLM 训练；
　　Step3：在源域数据上进行监督训练，在目标域数据上进行 MLM 训练；

　　Step3 的损失函数：

　　　　$L(\mathbf{s}, \mathbf{t})=\lambda L_{C L F}(\mathbf{s})+(1-\lambda) L_{M L M}(\mathbf{t})$

　　其中：

　　　　$\lambda=\frac{n}{n+m}$

3 实验

结果