0
雷鋒網(wǎng)AI科技評論編者按：本文拓展自NAACL 2019教程“NLP領(lǐng)域的遷移學(xué)習(xí)”，這個教程是由Matthew Peters、Swabha Swayamdipta、Thomas Wolf和我組織策劃的。在這篇文章中，我強(qiáng)調(diào)了一些在這個領(lǐng)域中的見解和收獲，并根據(jù)最近的工作進(jìn)展更新了一部分資料。整篇文章的結(jié)構(gòu)如下圖。
圖1
我們在這篇文章中的對遷移學(xué)習(xí)的主要定義如圖所示，遷移學(xué)習(xí)是一種從源設(shè)置中提取信息并將其應(yīng)用于不同設(shè)定目標(biāo)的方法。 
圖2：遷移學(xué)習(xí)過程的說明
在過去一年多的時間里，以預(yù)訓(xùn)練的語言模型形式進(jìn)行的遷移學(xué)習(xí)已經(jīng)在NLP領(lǐng)域中普及，為許多不同的任務(wù)帶來了新的最好成績。然而，遷移學(xué)習(xí)在自然語言處理中并不是最近才出現(xiàn)的。雷鋒網(wǎng)舉個簡單的例子，命名實體識別(NER)任務(wù)的進(jìn)展情況，如下所示。
圖3：隨時間推移在CoNLL-2003上的命名實體識別(NER)性能
縱觀其歷史, 在這項任務(wù)中大多數(shù)的進(jìn)步已經(jīng)是由不同形式的遷移學(xué)習(xí)推動的:從早期s帶有輔助任務(wù)的自監(jiān)督學(xué)習(xí)(Ando和Zhang,2005)和短語和單詞集群(Lin和Wu,2009)語言模型嵌入(Peters等人, 2017)和預(yù)訓(xùn)練語言模型(Peters， Akbik， Baevski等人)。
在當(dāng)前的自然語言處理領(lǐng)域中，普遍存在著不同類型的遷移學(xué)習(xí)。它們可以按照三個維度進(jìn)行分類：1、源設(shè)定和目標(biāo)設(shè)定是否處理相同的任務(wù);2、源域和目標(biāo)域的性質(zhì);3、學(xué)習(xí)任務(wù)的順序。這樣就可以把各種遷移學(xué)習(xí)分為圖中的幾類。
圖4：NLP中遷移學(xué)習(xí)的分類(Ruder, 2019)
序列遷移學(xué)習(xí)是其中進(jìn)步最大的那一類。通常的做法是，使用你選擇的方法在一個大型文本語料庫中的未標(biāo)記數(shù)據(jù)上進(jìn)行表征預(yù)訓(xùn)練，然后通過標(biāo)注數(shù)據(jù)把學(xué)到的表征適配到一個有監(jiān)督任務(wù)上。如下圖。
圖5： 序列遷移學(xué)習(xí)的一般過程
在應(yīng)用這種范式的過程中，我們可以觀察到以下幾個主要的研究課題
隨著時間推移、技術(shù)發(fā)展，單詞表征也更多地聯(lián)系上下文的語義。像word2vec這樣的早期方法 (Mikolov 等人， 2013)為每個單詞學(xué)習(xí)了單獨(dú)的表征，但與上下文沒有聯(lián)系。后來的方法就開始將這些表征的尺度拓展到了句子和文本級別(Le和Mikolov, 2014;Conneau等人，2017)。當(dāng)前的方法能夠基于單詞的上下文不同而學(xué)到不同的表征(McCann等人，2017; Peters等人，2018)。
許多成功的預(yù)訓(xùn)練方法都是基于語言建模（LM）的變體。 LM的優(yōu)點(diǎn)是它不需要任何人工注釋，并且許多語言都有足夠的文本資料學(xué)出一個不錯的模型d。此外，LM是多用途的，可以通過各種目標(biāo)函數(shù)，學(xué)習(xí)句子和單詞的表征。
在過去的幾年里，NLP領(lǐng)域中最先進(jìn)的模型變得越來越深入。僅僅兩年前，大多數(shù)任務(wù)上表現(xiàn)最佳的模型都還是2-3層的深度BiLSTM，只有機(jī)器翻譯領(lǐng)域表現(xiàn)最好的模型是與眾不同的16層(Wu 等人， 2016)。相比之下，目前的模型如BERT-Large和GPT-2由24個Transformer模塊組成，而最新的模型甚至?xí)睢?/p>
預(yù)訓(xùn)練和目標(biāo)任務(wù)的選擇密切相關(guān)。例如，句子的表達(dá)對于單詞級別的預(yù)測并沒有用，而基于詞組的預(yù)訓(xùn)練對于詞組級的預(yù)測是重要的?？偟膩碚f，為了獲得最佳的目標(biāo)性能，而選擇類似的預(yù)訓(xùn)練任務(wù)是有益的。
預(yù)訓(xùn)練語言模型的取得了驚人的成功。語言建模成功的一個原因可能是，它是一項非常困難的工作，即使對于人類來說也不例外。為了有機(jī)會解決這個難題，模型需要學(xué)習(xí)語法，語義以及某些世界常識。給定足夠的數(shù)據(jù)，大量參數(shù)和足夠的計算能力，模型就可以有不錯的學(xué)習(xí)成果。根據(jù)過往的實驗來看，語言建模比翻譯或自動編碼等其它預(yù)訓(xùn)練工作更有效(Zhang ，Wang等人)。
最近對人類語言的預(yù)測率失真(PRD)的分析(Hahn and Futrell, 2019)研究表明，人類語言和語言建模都具有無窮高的統(tǒng)計復(fù)雜性，但語言建?？梢栽谳^低層次上模仿逼近人類語言。這一觀察結(jié)果有兩個啟示:1)我們可以用相對較小的模型以獲得較為精準(zhǔn)的結(jié)果;2) 我們的模型有很大的拓展?jié)摿?。對于這兩種啟示，我們都有充足證據(jù)，我們可以在下一節(jié)中看到。
預(yù)訓(xùn)練的一個主要好處就是它減少了對有標(biāo)注數(shù)據(jù)的需求。 在實際使用中，與非預(yù)訓(xùn)練模型相比，遷移學(xué)習(xí)模型通常只需要十分之一甚至更少的樣本數(shù)量就達(dá)到類似的表現(xiàn)，如下圖所示(Howard 和Ruder, 2018)。
圖6:從零開始訓(xùn)練的模型（藍(lán)色）與分別對標(biāo)記目標(biāo)數(shù)據(jù)(橙色)和未標(biāo)記目標(biāo)數(shù)據(jù)(綠色)進(jìn)行微調(diào)的兩個預(yù)訓(xùn)練模型(紅色)的性能(Howard和Ruder, 2018)。
通?？梢酝ㄟ^同時增加模型參數(shù)和預(yù)訓(xùn)練數(shù)據(jù)量的方式來改善預(yù)訓(xùn)練表征。但隨著預(yù)訓(xùn)練數(shù)據(jù)量的增長，回報率開始下降。然而，如下圖所示的當(dāng)前的性能曲線并不表示我們已達(dá)到了穩(wěn)定狀態(tài)。因此，我們期待可以在更多數(shù)據(jù)基礎(chǔ)上訓(xùn)練出更大的模型。
圖7：平均GLUE數(shù)據(jù)與預(yù)訓(xùn)練的爬行數(shù)據(jù)量對比（Baevski等，2019）。
最近的例子是ERNIE 2.0，XLNet，GPT-2 8B和RoBERTa。 尤其是后者發(fā)現(xiàn)，簡單地對BERT進(jìn)行更長時間和更多數(shù)據(jù)的訓(xùn)練就可以得到更好的結(jié)果，而對GPT-2 8B進(jìn)行更長時間和更多數(shù)據(jù)的訓(xùn)練則可以減少語言建模數(shù)據(jù)集上的困惑度(盡管幅度很小)。
預(yù)訓(xùn)練的一個主要作用是它可以幫助我們跨越數(shù)字語言間鴻溝，使我們能夠為全世界超過6000種語言都學(xué)習(xí)到NLP模型。（其中大多數(shù)語言是缺乏資料的，這既是為每種語言都學(xué)習(xí)語言模型的難點(diǎn)，也是跨語言預(yù)訓(xùn)練有用的地方）跨語言學(xué)習(xí)的工作大多集中在訓(xùn)練不同語言中的單詞嵌入，并學(xué)習(xí)如何使它們之間匹配度更高(Ruder 等人， 2019)；同樣地，我們也可以對上下文表征做同樣的事情（Schuster 等人，2019）。另一種常見方法是共享子單詞詞匯表并在多種語言上訓(xùn)練一個模型（Devlin，Artetxe， Schwenk， Mulcaire， Lample和Conneau等人，2019）。
雖然這很容易實現(xiàn)，并且是一個很強(qiáng)大的跨語言基線，但它導(dǎo)致資源配置較低的語言代表性不足（Heinzerling和Strube，2019）。特別是多語言BERT已成為備受關(guān)注的話題（Pires ，Wu和Dredze等人，2019），雖然它有很好的零樣本學(xué)習(xí)表現(xiàn)，但專門的單語模型仍然是具有極大競爭力的，同時也更有效率(Eisenschlos 等人， 2019).
預(yù)訓(xùn)練很費(fèi)錢。我們在教程中使用的Transformer-XL樣式模型的預(yù)訓(xùn)練在8個V100 gpu上花費(fèi)了5-20小時(如果是1個V100那么就要花費(fèi)幾天的時間)才能達(dá)到一個好的效果。因此，共享預(yù)訓(xùn)練的模型非常重要。除了需要為transformer的學(xué)習(xí)速率預(yù)熱外，預(yù)訓(xùn)練對超參數(shù)的選擇并不怎么挑剔。一般來說，如果數(shù)據(jù)集足夠大，模型就不應(yīng)該有足夠的容量來進(jìn)行過度擬合。掩蔽語言建模(如BERT中所述)的訓(xùn)練速度通常比標(biāo)準(zhǔn)LM慢2-4倍，因為掩蔽一小部分單詞對應(yīng)著只有一小部分的訓(xùn)練指導(dǎo)信號。
我們已經(jīng)證明，表征可以用來預(yù)測某些語言現(xiàn)象，如翻譯或句法層次的匹配。使用語法進(jìn)行預(yù)訓(xùn)練，能夠取得較好的效果;即使沒有明顯地對語法進(jìn)行編碼，表征仍然可以學(xué)習(xí)到一些語法概念(Williams等人，2018)。
最近的工作進(jìn)一步表明，當(dāng)前最先進(jìn)的模型可以有效地蒸餾出語法知識(Kuncoro等人.， 2019)。網(wǎng)絡(luò)架構(gòu)通常決定了表征的內(nèi)容。例如，已經(jīng)觀察到了BERT能夠捕捉語法(Tenney等人)。對于捕捉到的信息，不同的模型架構(gòu)會表現(xiàn)出不同的層間變化趨勢。
圖8：探究工作一般用于設(shè)置研究語境詞表示中的語言知識(Liu 等人， 2019)
模型捕獲的信息還取決于你如何看待它:可視化激活或是注意力權(quán)重能提供模型知識的總體情況，但只能針對幾個樣本進(jìn)行分析;如果在學(xué)習(xí)到的表征基礎(chǔ)上訓(xùn)練一個分類器作為探針，用它來預(yù)測某些屬性，這種方法可以發(fā)現(xiàn)語料庫級別的一些具體特點(diǎn)，但也可能引入探針本身帶來的偏倚;最后，網(wǎng)絡(luò)對照試驗對于改進(jìn)模型非常有用，但得到的結(jié)論可能會僅限于當(dāng)前的任務(wù)。
為了使預(yù)訓(xùn)練模型適應(yīng)目標(biāo)任務(wù)，我們可以做出若干不同方向上的決策：架構(gòu)修改，優(yōu)化方案以及是否要獲得更多的學(xué)習(xí)信號。
對于架構(gòu)修改，我們有兩個選項：
a)保持預(yù)訓(xùn)練的模型內(nèi)部不變
簡單的做法可以是在預(yù)訓(xùn)練的模型之上添加一個或多個線性層，通常是在Bert基礎(chǔ)上增加。或者我們也可以使用模型輸出作為另一個模型的輸入。當(dāng)目標(biāo)任務(wù)需要預(yù)訓(xùn)練的嵌入有一些交互作用但目前的預(yù)訓(xùn)練模型執(zhí)行不了時，這通常是有幫助的，例如以BERT為預(yù)訓(xùn)練模型但需要詞匯表征或建立跨句子關(guān)系模型。
b)修改預(yù)先訓(xùn)練的模型內(nèi)部架構(gòu)
我們希望這樣做的原因之一可能是為了適應(yīng)結(jié)構(gòu)不同的設(shè)定目標(biāo)，例如一個具有多個輸入序列的任務(wù)。在這種情況下，我們可以使用預(yù)訓(xùn)練的模型盡可能初始化結(jié)構(gòu)不同的設(shè)定模型。我們還可以應(yīng)用于特定項目的修改，例如添加、跳過或殘余連接或警示。最后，修改目標(biāo)任務(wù)的參數(shù)可以通過在預(yù)訓(xùn)練的模型層之間添加瓶頸模塊(“適配器”)來減少需要精細(xì)調(diào)整的參數(shù)數(shù)量(Houlsby，Stickland和Murray等人，2019)。 
圖9：變壓器(左)中使用的適配器層(右)(Houlsby等人，2019年)
六、優(yōu)化方案
在優(yōu)化模型方面，我們需要選擇要更新哪些權(quán)重，以及何時、如何更新它們
對于權(quán)重更新，我們可以選擇微調(diào)或者不微調(diào)（預(yù)訓(xùn)練權(quán)重）
a)不要改變預(yù)訓(xùn)練的權(quán)重(特征提取)
在實際應(yīng)用中，很多人會在預(yù)訓(xùn)練表征的基礎(chǔ)上訓(xùn)練一個線性分類器。如果想要獲得最好的性能，通常就不僅使用頂層的表征，而要學(xué)習(xí)層表征的線性組合 (Peters等人， 2018, Ruder 等人， 2019)。另一個做法是，預(yù)訓(xùn)練的表征可以作為下游模型中的特性。當(dāng)添加適配器時，只訓(xùn)練適配器層。
圖10：在單獨(dú)的下游模型中使用預(yù):訓(xùn)練的模型作為特征
b)改變預(yù)訓(xùn)練過程中的權(quán)重（微調(diào)）
采用預(yù)訓(xùn)練的權(quán)值作為下游模型參數(shù)的初始化值。然后，在適應(yīng)階段對整個預(yù)訓(xùn)練架構(gòu)進(jìn)行訓(xùn)練。
選擇順序和如何更新權(quán)重的主要目的是要避免覆蓋有用的預(yù)訓(xùn)練的信息并最大化正遷移。與此相關(guān)的是災(zāi)難性遺忘的概念(McCloskey&Cohen，1989；French，1999)，是指一個模型忘記了它最初訓(xùn)練的任務(wù)。在大多數(shù)設(shè)置中，我們只關(guān)心目標(biāo)任務(wù)的性能，但這可能因應(yīng)用場合的不同而有所不同。
更新我們模型的參數(shù)的一個指導(dǎo)原則是，在時間上、強(qiáng)度上或與預(yù)訓(xùn)練的模型相比，自上而下地逐步更新：
a)時間上的逐步更新（凍結(jié)法）
對不同分布和不同任務(wù)的數(shù)據(jù)同時進(jìn)行所有層的訓(xùn)練可能會導(dǎo)致性能不穩(wěn)定，產(chǎn)生的解決方案較差。相反，我們單獨(dú)訓(xùn)練網(wǎng)絡(luò)中不同的層，讓它們有時間適應(yīng)新的任務(wù)和數(shù)據(jù)。這可以追溯到早期深層神經(jīng)網(wǎng)絡(luò)的分層訓(xùn)練(Hinton等人，2006；Bengio等人，2007)。最近的方法(Felbo等人，2017；Howard和Ruder，2018年；Chronopoulou等，2019年) 的變化主要在于共同訓(xùn)練的層的選擇不同。 尚未對transformer模型的解凍進(jìn)行詳細(xì)的研究。
b)強(qiáng)度上的逐步更新(降低的學(xué)習(xí)率)
我們希望通過降低學(xué)習(xí)率，以避免覆蓋有用的信息。較低的學(xué)習(xí)率在較低層次(因為它們會捕捉到很多的普遍信息)、訓(xùn)練早期(因為模型仍然需要適應(yīng)目標(biāo)分布)和訓(xùn)練后期(當(dāng)模型接近結(jié)尾時)尤為重要。為此，我們可以使用判別性微調(diào)(Howard和Ruder，2018)，它降低了每一層的學(xué)習(xí)速度，如下所示。為了在早期的訓(xùn)練中保持較低的學(xué)習(xí)率，可以使用三角學(xué)習(xí)速率計劃，也就是transformer的學(xué)習(xí)率預(yù)熱。（Liu等人，2019)最近指出，在訓(xùn)練的早期階段，預(yù)熱可以減少差異
圖11：歧視性微調(diào)(Howard和Ruder，2018年)
c)逐步更新vs預(yù)訓(xùn)練模型（正則化）
最大限度地減少災(zāi)難性遺忘的一種方法是鼓勵目標(biāo)模型參數(shù)使用正則化項，減小與預(yù)訓(xùn)練模型的參數(shù)的差異性(Wiese等人，CoNLL 2017，Kirkpatrick等人，PNAS 2017)。
一般來說，需要從頭開始訓(xùn)練的參數(shù)越多訓(xùn)練速度就越慢。特征提取需要添加比微調(diào)更多的參數(shù)(peters等人，2019)，因此訓(xùn)練速度通常較慢。然而，當(dāng)一個模型需要適應(yīng)很多的任務(wù)時，特征提取更節(jié)省空間，因為它只需要在內(nèi)存中存儲一個預(yù)先訓(xùn)練過的模型的副本。適配器通過為每個任務(wù)添加少量的附加參數(shù)來達(dá)到平衡。
就性能而言，沒有一種適配器方法能在所有設(shè)置中都帶來帶來最好的表現(xiàn)。如果源和目標(biāo)任務(wù)不一致，特征提取似乎更可取(Peters等人，2019)。否則，特征提取和微調(diào)通常執(zhí)行類似的操作，這取決于用于超參數(shù)調(diào)整的預(yù)算(微調(diào)通常需要對超參數(shù)進(jìn)行更廣泛的搜索和嘗試)。據(jù)說，transformer比lstms更容易微調(diào)(對超參數(shù)不那么敏感)，并且可以通過微調(diào)實現(xiàn)更好的性能。
然而，大型的預(yù)訓(xùn)練模型(如Bert-Large)在對小訓(xùn)練集的任務(wù)進(jìn)行精細(xì)調(diào)整時，往往會導(dǎo)致性能退化。通常顯示為“ON-off”：如下圖所示，模型要么運(yùn)行良好，要么根本不起作用。想要了解這種行為的條件和原因，目前來說還是一個等待解決的研究問題。 
圖12：BERT（紅色）和BERT的20個隨機(jī)重啟的任務(wù)分?jǐn)?shù)分布，在MNLI（綠色）上進(jìn)行微調(diào)，每次任務(wù)的微調(diào)不超過5k（Phang等，2018）。
目標(biāo)任務(wù)通常都缺少資源.我們通?？梢酝ㄟ^組合多種不同的學(xué)習(xí)信號來提高遷移學(xué)習(xí)的性能
如果存在相關(guān)的任務(wù)，我們可以先在相關(guān)任務(wù)上使用更多數(shù)據(jù)對模型進(jìn)行微調(diào)，然后再對目標(biāo)任務(wù)進(jìn)行微調(diào)。這尤其有助于數(shù)據(jù)有限的情況和執(zhí)行類似任務(wù) (Phunet 等人，2018)，并提高了目標(biāo)任務(wù)的樣本效率(Yogatama等人，2019)。
或者，我們也可以根據(jù)相關(guān)任務(wù)和目標(biāo)任務(wù)的要求對模型進(jìn)行共同微調(diào)。這個相關(guān)的任務(wù)也可以是一個無監(jiān)督的輔助任務(wù)。語言建模是一個很好的選擇，并且已經(jīng)證明即使沒有預(yù)訓(xùn)練也能起到幫助(Rei等人，2017年)。任務(wù)比率可以進(jìn)行選擇，逐漸減小輔助任務(wù)的比例，在訓(xùn)練結(jié)束時輔助任務(wù)的比例可以減小到0(Chronopoulou等人，NAACL，2019年)。語言模型微調(diào)也已經(jīng)作為一個單獨(dú)步驟使用在了ULMFiT中 (Howard和Ruder，2018)。最近，即便有很多個目標(biāo)任務(wù)，多任務(wù)微調(diào)也可以帶來收益 (Liu等人，2019；Wang等人，2019)。
我們可以使用只在數(shù)據(jù)的某個子集上訓(xùn)練的輔助任務(wù)，而不對輔助任務(wù)微調(diào)。為此，我們首先要分析模型的誤差，采用啟發(fā)式方法自動識別訓(xùn)練數(shù)據(jù)中的突出子集，然后與目標(biāo)任務(wù)聯(lián)合訓(xùn)練輔助任務(wù)。
我們還可以使用半監(jiān)督學(xué)習(xí)方法，通過擾亂未標(biāo)記的數(shù)據(jù)來使我們的模型預(yù)測更加準(zhǔn)確。 干擾方式可以是噪聲，掩蔽（Clark等人，2018）也可以是數(shù)據(jù)增強(qiáng)，（Xie 等人，2019）。
為了提高性能，可以把不同超參數(shù)訓(xùn)練的模型、不同預(yù)訓(xùn)練模型精細(xì)調(diào)節(jié)得到的模型、乃至不同任務(wù)，不同數(shù)據(jù)集的子集上訓(xùn)練的模型集成起來
最后，大型模型或模型組合可能被提煉成小型單一模型。該模型也可以更加簡單化 (Tang等人，2019年)，也可以產(chǎn)生不同的歸納偏差(Kuncoro等人，2019年)。多任務(wù)微調(diào)也可以與提煉相結(jié)合(Clark等人，2019)。
九、下游應(yīng)用
預(yù)訓(xùn)練大型模型在計算和環(huán)境影響方面的成本很高(Strubell等人，2019年)。只要有可能，最好使用開源模型。如果您需要訓(xùn)練自己的模型，請與社區(qū)分享您的預(yù)訓(xùn)練模型。
為了共享和使用經(jīng)過訓(xùn)練的模型，可以有不同的選擇：
Hubs是中央存儲庫，并能提供訪問預(yù)訓(xùn)練模型的通用API 。最常見的兩個Hub是TensorFlow Hub和PyTorch Hub。Hub通常使用起來很簡單；但是，由于模型的源代碼難以訪問，所以它們更像一個黑匣子。此外，修改預(yù)訓(xùn)練模型架構(gòu)的內(nèi)部結(jié)構(gòu)可能會很困難。
檢查點(diǎn)文件通常包含了預(yù)訓(xùn)練模型的所有權(quán)重。與Hub相比，仍然需要創(chuàng)建模型圖，需要單獨(dú)加載模型權(quán)重。因此，檢查點(diǎn)文件比Hub模塊更難使用，但它可以讓你完全控制模型內(nèi)部。
像是 AllenNLP, fast.ai和 pytorch-transformers這類的第三方函數(shù)庫，可以輕松訪問預(yù)訓(xùn)練模型。 此類庫通?？蓪崿F(xiàn)快速實驗，并涵蓋了許多經(jīng)典的示例以進(jìn)行遷移學(xué)習(xí)。
預(yù)訓(xùn)練的語言模型仍然不擅長細(xì)粒度的語言任務(wù)(Liu等人，2019)、層次句法推理(Kuncoro等人，2019)和常識（Zellers等人，2019)。在自然語言生成方面仍然有所欠缺，特別是在長期的維系、關(guān)系和連貫性方面。微調(diào)的時候它們更傾向于過于過度擬合表面形式信息，目前仍然被視為是“效率極高的表面學(xué)習(xí)者”。
正如我們前面所指出的，特別是對少量數(shù)據(jù)進(jìn)行微調(diào)的大型模型很難進(jìn)行優(yōu)化，而且存在高度的差異性。目前經(jīng)過預(yù)訓(xùn)練的語言模型非常龐大。蒸餾和剪枝是處理這一問題的兩種方法。
雖然語言建模目標(biāo)經(jīng)過試驗正名是有效的，但它也有缺陷。最近，我們看到雙向語境和詞序列的建模尤為重要。也許最重要的是，語言建模鼓勵人們關(guān)注語法和詞的共現(xiàn)，并且只提供了用于理解語義和維系上下文弱信號。我們可以從其他形式的自我監(jiān)督中汲取靈感。此外，我們還可以設(shè)計專門的預(yù)訓(xùn)練任務(wù)，學(xué)習(xí)某些關(guān)系(Joshi等人，2019年；Sun等人，2019年)。
雷鋒網(wǎng)小結(jié)，很難能從原始文本中學(xué)習(xí)某種類型的信息。最新的方法就是將結(jié)構(gòu)化知識(Zhang等人，2019；Logan IV等人，2019年)或多模態(tài)(Sun等人，2019；Lu等人，2019)引入，作為緩解這一問題的兩種潛在方式。
原文鏈接：http://ruder.io/state-of-transfer-learning-in-nlp/
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
