Nlp 多任务学习

有人能用简单直观的方式解释多任务学习吗？可能是真的

---

“世界问题”会很有用。最近我看到很多人都在用它来完成自然语言处理任务。

假设您已经为几个不同的领域构建了一个情感分类器。比如，电影、音乐DVD和电子产品。这些很容易构建高质量的分类器，因为有大量的训练数据是从Amazon上获取的。除了每个分类器，您还构建了一个相似性检测器，它将告诉您给定文本片段与每个分类器所训练的数据集的相似性

---

现在，您希望找到来自未知域或没有这么好的数据集进行训练的域的某些文本的情感。那么，我们从我们已经拥有的三个高质量分类器中，对分类进行相似性加权组合，怎么样。如果我们试图对洗碗机评论进行分类（不幸的是，没有庞大的洗碗机评论语料库），它可能与电子产品最为相似，因此电子产品分类器将被赋予最大的权重。另一方面，如果我们试图对电视节目的评论进行分类，那么电影分类器可能会做得最好。

组合分类器的架构是什么，训练时特定分类器的输入是什么？