Traductions comme Contextes Supplémentaires pour la Classification de Phrases

Dans les tâches de classification de phrases, des contextes supplémentaires, tels que les phrases voisines, peuvent améliorer la précision du classifieur. Cependant, ces contextes sont dépendants du domaine et ne peuvent donc pas être utilisés pour une autre tâche de classification dans un domaine inapproprié. En revanche, nous proposons l'utilisation de phrases traduites comme contexte, qui est toujours disponible quel que soit le domaine. Nous constatons que l'expansion naïve des caractéristiques des traductions ne procure que des améliorations marginales et peut même diminuer les performances du classifieur en raison de traductions potentiellement inexactes, produisant ainsi des vecteurs de phrases bruyants. À cette fin, nous présentons l'attachement à multiples contextes de correction (MCFA), une série de modules attachés à plusieurs vecteurs de phrases pour corriger le bruit dans ces vecteurs en utilisant d'autres vecteurs de phrases comme contexte. Nous montrons que notre méthode se compare favorablement aux modèles précédents, atteignant les meilleures performances de classification sur plusieurs jeux de données. Nous sommes les premiers à utiliser des traductions comme contexte indépendant du domaine pour la classification de phrases.