少样本事件检测：实证研究与时序统一视角
计算与语言
2023-05-26 v2 人工智能
摘要
少样本事件检测（ED）已被广泛研究，但这带来了显著的差异，例如不同的动机、任务和实验设置，阻碍了未来对模型进展的理解。本文提出了一项透彻的实证研究、ED 模型的统一视角以及一个更好的统一基线。为公平评估，我们在三个数据集上比较了 12 种代表性方法，这些方法大致分为基于提示和基于原型的两类模型以进行详细分析。实验一致表明，基于提示的方法（包括 ChatGPT）在整体性能上仍显著落后于基于原型的方法。为探究其优越性能，我们沿多个维度拆解其设计要素，并基于原型方法构建了一个统一框架。在此统一视角下，每种原型方法可视为来自这些设计要素的不同模块的组合。我们进一步组合所有优势模块，提出了一个简单而有效的基线，其大幅优于现有方法（例如，在低资源设置下 F1 提升 2.7%）。
引用
@article{arxiv.2305.01901,
title = {Few-shot Event Detection: An Empirical Study and a Unified View},
author = {Yubo Ma and Zehao Wang and Yixin Cao and Aixin Sun},
journal= {arXiv preprint arXiv:2305.01901},
year = {2023}
}
备注
Accepted by ACL 2023 main conference