作者:禅与计算机程序设计艺术
1.简介
文本分类任务通常可以分为两类,一类是多标签分类(multi-label classification),另一类是单标签分类(single-label classification)。本文将从零SHOT学习、跨语言迁移学习、零样本学习三个方面对文本分类进行介绍。
1.1 零SHOT学习
零SHOT学习(Zero-Shot Learning)是一种计算机视觉技术,旨在让机器能够识别不熟悉的目标或场景。它通过学习已知领域知识训练模型,不需要额外的数据,就可以做到这一点。零SHOT学习的主要方法之一就是约束条件。在约束条件下,训练集只有少量样本,目标领域知识往往比较简单,模型学习到的表示也比较简单,因此模型容易理解、快速准确地识别出目标。目前主流的零SHOT学习系统包括基于规则的系统(Rule-based systems)、基于记忆的系统(Memory-based systems)、基于注意力机制的系统(Attention-based systems)等。
在本文中,我们将使用基于规则的系统方法来实现文本分类的零SHOT学习。规则的形式通常为一个特征模板(feature template),当遇到新的输入时,系统将检查该输入是否满足特征模板,如果满足则认为该输入属于该特征模板对应的类别;否则,将其划入默认类别(default class)中。该方法的一个缺陷是