• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Conference on the North American Chapter of the Association for Computational Linguistics: Human Language Technologies >Natural Language to Structured Query Generation via Meta-Learning
【24h】

Natural Language to Structured Query Generation via Meta-Learning

机译：通过元学习自然语言生成结构化查询

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In conventional supervised training, a model is trained to fit all the training examples. However, having a monolithic model may not always be the best strategy, as examples could vary widely. In this work, we explore a different learning protocol that treats each example as a unique pseudo-task, by reducing the original learning problem to a few-shot meta-learning scenario with the help of a domain-dependent relevance function. When evaluated on the WikiSQL dataset. our approach leads to faster convergence and achieves 1.1%-5.4% absolute accuracy gains over the non-meta-learning counterparts.
机译：在传统的监督培训中，培训模型以满足所有培训示例。然而，具有单片模型可能并不总是是最好的策略，因为示例可能很大。在这项工作中，我们探索了一种不同的学习协议，该协议将每个示例视为唯一伪任务，通过域相关的相关性功能将原始学习问题减少到几次元学习场景。在WikiSQL DataSet上进行评估。我们的方法导致更快的收敛性，并通过非元学习同行获得的绝对精度增长1.1％-5.4％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号