用于少样本文本分类的动态记忆归纳网络
计算与语言
2020-05-13 v1 机器学习
摘要
本文提出了用于少样本文本分类的动态记忆归纳网络（DMIN）。该模型利用动态路由为基于记忆的少样本学习提供更大的灵活性，以更好地适应支持集，这是少样本分类模型的一项关键能力。基于此，我们进一步开发了结合查询信息的归纳模型，旨在增强元学习的泛化能力。所提出的模型在 miniRCV1 和 ODIC 数据集上取得了新的最先进结果，将最佳性能（准确率）提高了 2~4%。进一步进行了详细分析以展示各组件的有效性。
引用
@article{arxiv.2005.05727,
title = {Dynamic Memory Induction Networks for Few-Shot Text Classification},
author = {Ruiying Geng and Binhua Li and Yongbin Li and Jian Sun and Xiaodan Zhu},
journal= {arXiv preprint arXiv:2005.05727},
year = {2020}
}
备注
8 pages, 2 figures