2022年5月30日
在没有训练数据的情况下通过领域知识利用弱监督方法生成NLP大型标记数据集
摘要： 在现实世界中开发机器学习（ML）模型的主要瓶颈之一是需要大量手动标记的训练数据。例如，Imagenet数据集由超过1400万手动标记的各种现实的图像组成。 虽然迁移学习的出现极大地缓解了这一要求但是仍然需要数百个标记的示例来进行微调。但是获得此类手动注释通常是耗时的和劳动力密集的，并且容易发生人类的 阅读全文
posted @ 2022-05-30 11:07 deephub 阅读(85) 评论(0) 推荐(0) 编辑