慕尼黑大学：双语任务中两种领域适应方法：简单易行、广泛适用(11)
下表中的结果表明 ， 在分类器中添加semisup可以进一步提高BLI的性能 。
这些结果表明 ， 需要调整后的BWE来很好地利用未标记的数据 ， 与之前工作中的最佳结果相比 ， 仅使用未标记的数据 ， 这导致总体显著增加3.71 。
总结
在通用域数据上训练的双语单词嵌入在域外任务中效果不佳 。 我们对两种不同的低资源任务/域组合进行了实验 。 我们发现在适应的BWEs的支持下 ， 无论是跨语言的twitter情感分类还是医学双语词典构建 ， 现成方法的性能都可以提高 。 在分类器训练时使用未标记数据 ， 可以显著提高半监督系统的性能 。 此外 ， CLSC结果使用目标语言标记数据的系统具有一定竞争性 ， 即使我们不使用此类目标语言的标记数据 。
推荐阅读
- 西凉|三国志战略版：出生州选择也有大学问，开局选好霸业即成
- 桌游|48小时里，游戏开发能给这群大学生带来什么？
- edg战队|如何看待那些彻夜疯狂庆祝edg夺冠的高校大学生？
- edg战队|这一代大学生们怎么了：EDG夺冠而已，能不能不要本末倒置？
- 超级萨米卷|校园版鱿鱼游戏，实力拯救欠下72学分的咸鱼大学生
- 雕刻|第五人格IVL采访，Xawm回应雕刻家顶级玩法，我的雕像上过大学！
- 郑州轻工业大学|英雄联盟高校行|英雄联盟全球总决赛郑州轻工业大学观赛完美收官
- 斗鱼|泡吧、蹦迪、夜不归宿！「斗鱼一姐」自曝大学期间的“放纵”生活
- 赛尔号|赛尔号：我大学的时候，玩小游戏被嘲笑！最后结局并没有反转！
- icon|大学生网恋一个半月被骗318万