DSLR：多样性增强和结构学习的基于重演的图连续学习
原文中文，约400字，阅读约需1分钟。发表于：。我们针对图连续学习（GCL）方法中的回放缓冲区展开了研究。我们提出了一种名为 DSLR 的 GCL 模型，通过考虑回放节点的类别代表性和类内多样性来解决回放缓冲区中节点集中和模型性能受损的问题，并采用图结构学习来确保回放节点与真正具有信息的邻居连接。大量的实验结果证明了 DSLR 的有效性和高效性。
本文介绍了Dirichlet连续学习（DCL）方法，用于解决对话系统中的计算约束和耗时问题。DCL利用Dirichlet分布建模先验变量，指导伪样本生成，并引入Jensen-Shannon知识蒸馏方法。实验证实了该方法在意图检测和槽填充任务上的有效性，超过了最先进的方法。
