hmtl

收录理由

这个仓库提供了一篇AAAI 2019论文的官方实现，论文讨论的是分层多任务学习，用一个共享的神经网络架构同时处理多个NLP任务，而不是为每个任务单独训练模型。它的核心思路是把任务按难度分层：命名实体识别、实体提及检测这类相对简单的语义任务放在底层，它们提取的特征再传递给关系抽取和共指消解等更复杂的任务，作者报告在四个任务中的三个上达到了当时的最优水平。对研究者和研究生来说，它的价值主要在于代码结构清晰、易于阅读，是一份很实用的参考模板，而不是开箱即用的产品。仓库里包含了训练、微调和评估的完整代码，还提供了预训练权重和在线演示，并且直接基于PyTorch和AllenNLP构建，熟悉这两个库的人可以比较方便地借鉴其架构，应用到自己的任务组合中。