下記論文のサーベイ記事です. - タイトル: Generative and Discriminative Text Classification with Recurrent Neural Networks - Deep Mindの論文 - 6 Mar 2017 - 著者: Dani Yogatama, Chris Dyer, Wang Ling, Phil Blunsom 主旨 テキスト分類でデータの傾向が変わっても生成モデルは識別モデルより性能が落ちにくいことを実証. 要約 日常だとデータの傾向は流行によってデータの出現頻度とか変わるし,新たな概念とかもすぐできる. 傾向が変わるたびにデータセットを全て学習しなおすのは時間がかかるので,できれば新たなデータのみで学習させたい.(Continual learning) あと,未知のクラスであっても予測できるようにしたい.(Zero-sho
![データの傾向が変わっても性能が落ちにくいモデルの作り方 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/3a311bc4a3c5898308357c4e68a51c58243919be/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwbmFtYWtlbW9ubyZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9OGRlMmVjZDdhYjM3NGEyYTNiZGMzOGYxNGI4MzRkZDE%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D9c1e4d81aeddb4cea2b39a64c7de4078)