融合多教師模型的知識蒸餾文本分類
所屬分類：技術(shù)論文
上傳者：
文檔大?。?span>3704 K
標(biāo)簽： 文本分類 知識蒸餾 BERT-wwm-ext
所需積分：0分積分不夠怎么辦,？
文檔介紹：針對簡單文本分類模型精度不高，預(yù)訓(xùn)練模型結(jié)構(gòu)復(fù)雜,，在實際環(huán)境中難以直接使用的問題,，提出多教師知識蒸餾的文本分類方法。該模型使用“教師-學(xué)生網(wǎng)絡(luò)”的訓(xùn)練方法，教師模型為BERT-wwm-ext和XLNet預(yù)訓(xùn)練模型,，將兩個模型輸出的概率矩陣通過權(quán)重系數(shù)融合為軟標(biāo)簽,。學(xué)生模型為BiGRU-CNN網(wǎng)絡(luò)，使用均方差函數(shù)計算軟標(biāo)簽誤差,，使用交叉熵?fù)p失函數(shù)計算硬標(biāo)簽誤差,，通過硬標(biāo)簽和軟標(biāo)簽訓(xùn)練學(xué)生模型使損失函數(shù)值達(dá)到最小。實驗結(jié)果表明,，提出的方法精度較學(xué)生模型有較大的改進(jìn),，接近預(yù)訓(xùn)練模型，在保證分類精度的前提下減少了運(yùn)行時間,，提高了效率,。
現(xiàn)在下載
VIP會員，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分。