#今日论文推荐# ACL 2022 | 基于多语言语义解耦表示的跨语言迁移方法实现多语言阅读理解
多语言预训练模型在机器阅读理解 (Machine Reading Comprehension, MRC) 任务上能够将知识从资源丰富的语言上零资源迁移到低资源语言。然而,不同语言中固有的语言差异可能会使零资源迁移后预测的答案跨度违反目标语言的句法约束。我们提出了一种新的多语言机器阅读理解框架,该框架配备了孪生语义解耦模型(Siamese Semantic Disentanglement Model, ),实现在多语言预训练模型学习的表示中将语义与语法分离。为了显式地将丰富的语义知识迁移到目标语言,我们提出了两组针对语义和句法编码和解开的损失。在三个多语言机器阅读理解评估集上实验证明了我们提出的方法的有效性。
论文题目:Learning Disentangled Semantic Representations for Zero-Shot Cross-Lingual Transfer in Multilingual Machine Reading Comprehension
详细解读:https://www.aminer.cn/research_report/628ae9bd7cb68b460fbf4e61?download=falsehttps://www.aminer.cn/research_report/628ae9bd7cb68b460fbf4e61?download=false
AMiner链接:https://www.aminer.cn/?f=cs