自适应和转换相关性的多标签特征选择
原文中文，约400字，阅读约需1分钟。发表于：。该论文介绍了一种基于信息论的多标签特征选择方法 ATR，通过算法适应性和问题转换方法的组合，能够根据个别标签和抽象标签空间的区分能力对特征进行排名，并且在六个评估指标上优于其他十种信息论滤波器的多标签特征选择方法。
该研究提出了一种面向知识密集型任务的检索增强式生成模型的多任务训练方法，通过过滤训练样本来清理训练集，以确定是否可以通过知识库回答一对查询 - 答案。实验结果表明，该方法在两个强烈不平衡的任务上大大改进了竞争基线，并在其余任务上显示出较小的改进或无显着退步。此外，该方法能够良好地缩放，并在 KILT 任务的五项中取得了最佳结果。
