探索实体交互用于少样本关系学习（学生摘要）
计算与语言
2022-05-05 v1
摘要
少样本关系学习是指在仅有少量观测三元组的情况下推断关系的事实。针对该问题的现有度量学习方法大多忽略了三元组内部及三元组之间的实体交互。本文探索此类细粒度语义信息，并提出我们的模型 TransAM。具体而言，我们将参考实体与查询实体序列化为序列，并应用带有局部-全局注意力的 transformer 结构来捕获三元组内与三元组间的实体交互。在 NELL-One 和 Wiki-One 两个公开基准数据集上以 1-shot 设定进行的实验证明了 TransAM 的有效性。
引用
@article{arxiv.2205.01878,
title = {Exploring Entity Interactions for Few-Shot Relation Learning (Student Abstract)},
author = {YI Liang and Shuai Zhao and Bo Cheng and Yuwei Yin and Hao Yang},
journal= {arXiv preprint arXiv:2205.01878},
year = {2022}
}
备注
Accepted as a Finalist Paper of Student Abstract Session of AAAI 2022