基于联合对比学习的原型语义解耦方法用于少样本命名实体识别
计算与语言
2023-04-13 v2
摘要
少样本命名实体识别（NER）旨在仅基于少量标注实例来识别命名实体。大多数现有的基于原型的序列标注模型倾向于记忆实体提及，易被相近原型混淆。本文中，我们提出了一种通过联合对比学习的原型语义解耦方法（PSDC）用于少样本 NER。具体而言，我们通过两种掩码策略解耦类特定原型与上下文语义原型，以引导模型关注两种不同的语义信息进行推断。此外，我们进一步引入联合对比学习目标，以更好地整合两类解耦信息并防止语义坍缩。在两个少样本 NER 基准上的实验结果表明，PSDC 在整体性能上持续优于先前的 SOTA 方法。大量分析进一步验证了 PSDC 的有效性与泛化能力。
引用
@article{arxiv.2302.13610,
title = {A Prototypical Semantic Decoupling Method via Joint Contrastive Learning for Few-Shot Name Entity Recognition},
author = {Guanting Dong and Zechen Wang and Liwen Wang and Daichi Guo and Dayuan Fu and Yuxiang Wu and Chen Zeng and Xuefeng Li and Tingfeng Hui and Keqing He and Xinyue Cui and Qixiang Gao and Weiran Xu},
journal= {arXiv preprint arXiv:2302.13610},
year = {2023}
}
备注
we want to revise our paper and upload this article in few days