摘要
在模型训练过程中,训练语料通常包含许多针对特定问题的边信息,而模型往往无法直接利用这些边信息.后验正则化(posterior regularization,PR)由于其框架的灵活性和简单性,在分类任务、自然语言处理以及远程监督系统等领域获得广泛应用.首先系统性地对后验正则化问题进行描述;然后详细介绍了三类后验正则化的通用框架,并指出了各个后验正则化框架被提出的原因以及其模型的具体形式、所具有的优缺点、适宜解决的问题等;进而又指出了近年来几类后验正则化框架的典型应用,并指明了后验正则化框架未来可能的发展方向;最后对全文内容进行概括总结.
国家科技期刊平台
NSTL
维普
万方数据