基于原型化摊销条件随机场的少样本事件检测
计算与语言
2021-05-25 v2
摘要
事件检测在需要以少量样本识别新颖事件类型时往往表现不佳。已有工作尝试以“先识别后分类”的方式解决该问题，但忽略了事件类型间的触发词差异，从而受困于错误传播。本文提出一种新颖的统一模型，借助双部标注方案将该任务转化为少样本标注问题。为此，我们首先提出原型化摊销条件随机场（Prototypical Amortized Conditional Random Field, PA-CRF）以建模少样本场景下的标签依赖关系，其基于标签原型近似标签间的转移分数。随后引入高斯分布对转移分数建模，以缓解因数据不足导致的不确定估计。实验结果表明，统一模型优于已有的先识别后分类模型，且我们的 PA-CRF 在基准数据集 FewEvent 上进一步取得最优结果。我们的代码与数据见 http://github.com/congxin95/PA-CRF。
引用
@article{arxiv.2012.02353,
title = {Few-Shot Event Detection with Prototypical Amortized Conditional Random Field},
author = {Xin Cong and Shiyao Cui and Bowen Yu and Tingwen Liu and Yubin Wang and Bin Wang},
journal= {arXiv preprint arXiv:2012.02353},
year = {2021}
}
备注
Accepted at ACL 2021