Может ли кто-нибудь объяснить многозадачное обучение простым и интуитивным способом? Может быть, какая-то реальная проблема была бы полезна. Более того, в наши дни я вижу, что многие используют ее для задач обработки естественного языка.Многозадачное обучение
Предположим, вы создали классификатор настроений для нескольких разных доменов. Скажем, фильмы, музыкальные DVD и электроника. Это легко построить высококачественные классификаторы, потому что есть тонны данных обучения, которые вы очистили от Amazon. Наряду с каждым классификатором вы также создаете детектор подобия, который расскажет вам о данном фрагменте текста, как это было похоже на набор данных, на котором обучается каждый из классификаторов.
Теперь вы хотите найти настроение какого-либо текста из неизвестного домена или того, в котором нет такого отличного набора данных для обучения. Ну, а как насчет того, чтобы мы относили взвешенную совокупность классификаций из трех высококачественных классификаторов, которые у нас уже есть. Если мы пытаемся классифицировать обзор посудомоечной машины (к сожалению, нет гигантского корпуса обзоров посудомоечной машины), это, вероятно, больше всего похоже на электронику, и поэтому классификатор электроники будет иметь наибольший вес. С другой стороны, если мы пытаемся классифицировать обзор телешоу, возможно, классификатор фильмов сделает наилучшую работу.
Какова будет архитектура для объединения классификаторов и какие будут входы для конкретного классификатора во время подготовки? – thetna