Многозадачное обучение

Допустим, вы создали классификатор тональности для нескольких разных доменов. Скажем, фильмы, музыкальные DVD и электронику. Для них легко создать высококачественные классификаторы, потому что есть множество обучающих данных, которые вы взяли с Amazon. Наряду с каждым классификатором вы также создаете детектор подобия, который сообщит вам для данного фрагмента текста, насколько он похож на набор данных, на котором обучался каждый из классификаторов.

Теперь вы хотите найти тональность какого-то текста из неизвестного домена или из того, в котором нет такого большого набора данных для обучения. Что ж, как насчет того, чтобы взять взвешенную по сходству комбинацию классификаций из трех уже имеющихся у нас высококачественных классификаторов. Если мы пытаемся классифицировать обзор посудомоечных машин (к сожалению, гигантского корпуса обзоров посудомоечных машин не существует), он, вероятно, больше всего похож на электронику, поэтому классификатору электроники будет придан наибольший вес. С другой стороны, если мы пытаемся классифицировать обзор телешоу, вероятно, лучше всего подойдет классификатор фильмов.