[arxiv | 论文简读] CLASSIC: 方面级情感分类任务的持续和对比学习

简读分享 | 乔剑博 编辑 | 乔剑博

论文题目

CLASSIC: Continual and Contrastive Learning of Aspect Sentiment Classification Tasks

论文摘要

本文研究了在称为域增量学习 (DIL) 的特定 CL 设置中一系列方面级情感分类 (ASC) 任务的持续学习 (CL)。每个任务都来自不同的域。DIL 设置特别适合 ASC，因为在测试时系统不需要知道测试数据所属的任务或域。据我们所知，之前尚未针对 ASC 研究过此设置。本文提出了一种称为 CLASSIC 的新模型。关键的新颖之处在于一种对比持续学习方法，它既可以实现跨任务的知识转移，也可以实现从旧任务到新任务的知识蒸馏，从而消除了测试中对任务 ID 的需求。实验结果表明 CLASSIC的高效性。

论文链接

https://arxiv.org/pdf/2112.02714.pdf