メタ学習を用いた自然言語から構造化クエリの生成

従来の監督学習では、モデルはすべての訓練例に適合するように訓練されます。しかし、単一のモデルを用いることが常に最良の戦略であるとは限らないため、例によっては大きく異なることがあります。本研究では、ドメイン依存の関連性関数を用いて元の学習問題を少量ショットメタ学習シナリオに還元することで、各例を個別の疑似タスクとして扱う異なる学習プロトコルを探索しています。WikiSQLデータセットでの評価において、当手法はより速い収束を示し、非メタ学習的手法に対して1.1%〜5.4%の絶対精度向上が達成されました。