利用支持集中的匹配信息用于少样本事件分类
计算与语言
2020-06-22 v2 机器学习
机器学习
摘要
现有事件分类（EC）工作主要关注传统监督学习设定，其中模型无法抽取新/未见事件类型的事件提及。少样本学习虽能使 EC 模型扩展至未观测事件类型，但尚未在该领域被研究。为填补此空白，本工作中我们研究少样本学习设定下的事件分类。我们针对该问题提出一种新颖训练方法，在少样本学习模型训练过程中广泛利用支持集。特别地，除将查询样本与支持集中样本匹配用于训练外，我们进一步寻求匹配支持集内部样本自身。该方法为模型提供更多训练信号，并可应用于所有基于度量学习的少样本学习方法。我们在两个基准 EC 数据集上的大量实验表明，所提方法可将最佳已报道少样本学习模型在事件分类准确率上提升最多 10%。
引用
@article{arxiv.2002.05295,
title = {Exploiting the Matching Information in the Support Set for Few Shot Event Classification},
author = {Viet Dac Lai and Franck Dernoncourt and Thien Huu Nguyen},
journal= {arXiv preprint arXiv:2002.05295},
year = {2020}
}
备注
Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD) 2020