DSLR:多样性增强和结构学习的基于重演的图连续学习
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。
原文中文,约400字,阅读约需1分钟。
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。