最新《自然语言处理迁移学习》综述论文，A Survey on Transfer Learning in Natural Language Processing

题目： A Survey on Transfer Learning in Natural Language Processing

摘要：

深度学习模型通常需要大量数据。 但是，这些大型数据集并非总是可以实现的。这在许多具有挑战性的NLP任务中很常见。例如，考虑使用神经机器翻译，在这种情况下，特别对于低资源语言而言，可能无法整理如此大的数据集。深度学习模型的另一个局限性是对巨大计算资源的需求。这些障碍促使研究人员质疑使用大型训练模型进行知识迁移的可能性。随着许多大型模型的出现，对迁移学习的需求正在增加。在此调查中，我们介绍了NLP领域中最新的迁移学习进展。我们还提供了分类法，用于分类文献中的不同迁移学习方法。