基于强化学习的关系抽取和文本分类

本次分享介绍强化学习在自然语言处理中的应用,包括解决关系抽取中的噪音问题及改进文本分类的效果。通过优化句子结构化表示,实现了更佳的文本分类结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考链接:https://so.csdn.net/so/search/s.do?q=%E5%85%B3%E7%B3%BB%E6%8A%BD%E5%8F%96&t=%20&u=

本文为 11 月 22 日,清华大学计算机系——冯珺博士在第 18 期 PhD Talk 中的直播分享实录。

随着强化学习在机器人和游戏 AI 等领域的成功,该方法也引起了越来越多的关注。本期 PhD Talk,来自清华大学计算机系的博士生冯珺,为大家介绍了如何利用强化学习技术,更好地解决自然语言处理中的两个经典任务:关系抽取和文本分类。 


在关系抽取任务中,尝试利用强化学习,解决远程监督方法自动生成的训练数据中的噪音问题。在文本分类任务中,利用强化学习得到更好的句子的结构化表示,并利用该表示得到了更好的文本分类效果。本次分享的两个工作均发表于 AAAI2018


>>>>

 获取完整PPT和视频


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值