Feature-Base(特征提取):
- 首先在big data A上训练语言模型,训练完毕得到语言模型(用作 embedding)
- 然后构造task-specific model, 采用有label的语料B训练该 Model,将语言模型的参数固定,语料B的训练数据经过语言模型得到 语言模型 Embedding, 作为task-specific model的额外特征。
Fine-tuning(微调):
- 构造语言模型,采用big data A来训练语言模型。
- 在语言模型基础上增加小量神经网络层来完成specific task ,然后 采用有label的语料B来训练模型,这个过程中语言模型的参数不固定,依然是trainable variables。