一种用于少样本序列标注的增强型基于片段的分解方法
计算与语言
2022-05-09 v3
摘要
少样本序列标注（FSSL）是标注模型（如命名实体识别和槽填充）在新兴、资源匮乏领域上泛化的一个典型范式。近年来，基于度量的元学习框架已被认为是 FSSL 的一种有前景的方法。然而，大多数先前工作基于词元级相似度为每个词元分配标签，忽略了命名实体或槽的完整性。为此，本文提出 ESD，一种用于 FSSL 的增强型基于片段的分解（Enhanced Span-based Decomposition）方法。ESD 将 FSSL 形式化为测试查询与支持实例之间的片段级匹配问题。具体而言，ESD 将片段匹配问题分解为一系列片段级处理步骤，主要包括增强型片段表示、类原型聚合和片段冲突消解。大量实验表明，ESD 在两个流行的 FSSL 基准 FewNERD 和 SNIPS 上取得了新的 SOTA 结果，并被证明在嵌套和含噪标注场景中更具鲁棒性。我们的代码可在 https://github.com/Wangpeiyi9979/ESD 获取。
引用
@article{arxiv.2109.13023,
title = {An Enhanced Span-based Decomposition Method for Few-Shot Sequence Labeling},
author = {Peiyi Wang and Runxin Xu and Tianyu Liu and Qingyu Zhou and Yunbo Cao and Baobao Chang and Zhifang Sui},
journal= {arXiv preprint arXiv:2109.13023},
year = {2022}
}
备注
NAACL2022 long paper; Our code is available at https://github.com/Wangpeiyi9979/ESD