基于自适应提示学习的少样本情感分析
计算与语言
2022-05-17 v1 人工智能
摘要
在自然语言处理领域，基于深度学习的情感分析在使用大规模标注数据时表现优异。同时，许多情感分析任务中标注数据不足，且获取这些数据耗时费力。提示学习（prompt learning）致力于借助提示重构下游任务以解决数据匮乏问题。因此，合适的提示对模型性能极为重要。本文提出一种采用seq2seq-attention结构的自适应提示（AP）构建策略，以获取输入序列的语义信息。随后动态构建自适应提示，其不仅可提升提示质量，还能通过由现有公开标注数据构建的预训练提示有效泛化至其他领域。在FewCLUE数据集上的实验结果表明，所提AP方法无论手工提示质量如何均能高效构建合适的自适应提示，并优于当前最优基线。
引用
@article{arxiv.2205.07220,
title = {Adaptive Prompt Learning-based Few-Shot Sentiment Analysis},
author = {Pengfei Zhang and Tingting Chai and Yongdong Xu},
journal= {arXiv preprint arXiv:2205.07220},
year = {2022}
}