探索少样本关系抽取的任务难度
计算与语言
2021-10-26 v3
摘要
少样本关系抽取（FSRE）旨在通过仅用少量标注实例学习来识别新关系。元学习已被广泛采用于此任务，其在随机生成的少样本任务上训练以学习通用数据表示。尽管取得了令人印象深刻的成果，现有模型在处理困难 FSRE 任务时表现仍欠佳，此类任务中关系细粒度且彼此相似。我们认为这很大程度上是因为现有模型在学习过程中未区分困难任务与简单任务。本文提出一种基于对比学习的新方法，通过利用关系标签信息学习更好的表示。我们进一步设计了一种使模型自适应学习如何聚焦于困难任务的方法。在两个标准数据集上的实验证明了我们方法的有效性。
引用
@article{arxiv.2109.05473,
title = {Exploring Task Difficulty for Few-Shot Relation Extraction},
author = {Jiale Han and Bo Cheng and Wei Lu},
journal= {arXiv preprint arXiv:2109.05473},
year = {2021}
}