少样本增量事件检测
计算与语言
2023-05-05 v2
摘要
事件检测任务能够快速从文本中检测事件，并为下游自然语言处理任务提供有力支持。大多数此类方法只能检测一组固定的预定义事件类别。为了扩展它们以检测新类别而不丢失检测旧类别的能力，需要从头开始重新训练模型，成本高昂。增量学习可以有效解决这个问题，但它需要新类别的丰富数据。然而，在实践中，新事件类别缺乏高质量标注数据，使得难以获得足够的数据进行模型训练。为了解决上述问题，我们定义了一个新任务——少样本增量事件检测，该任务专注于在有限数据下学习检测新事件类别，同时尽可能保留检测旧类别的能力。我们基于FewEvent创建了一个用于少样本增量事件检测任务的基准数据集IFSED，并提出了两个基准：IFSED-K和IFSED-KP。实验结果表明，我们的方法比基线方法具有更高的F1分数，并且更加稳定。
引用
@article{arxiv.2209.01979,
title = {Few-shot Incremental Event Detection},
author = {Hao Wang and Hanwen Shi and Jianyong Duan},
journal= {arXiv preprint arXiv:2209.01979},
year = {2023}
}
备注
20 pages, 9 figures,