面向少样本逆关系分类的功能词增强注意力网络
计算与语言
2022-04-27 v1
摘要
关系分类旨在识别给定文本中两个实体间的语义关系。尽管现有模型在大规模数据集上分类逆关系表现良好，其在少样本学习下的性能显著下降。本文提出一种用于少样本逆关系分类的功能词自适应增强注意力框架（FAEA），其中设计了一种基于元学习关注类相关功能词的混合注意力模型。由于功能词的引入带来显著的类内冗余，我们引入自适应消息传递机制以捕获并传递类间差异。我们从点积度量的角度对功能词的负面影响做了数学分析，解释了消息传递机制为何能有效降低该影响。实验结果表明，FAEA 优于强基线，尤其在 FewRel1.0 的 1-shot 设定下逆关系准确率提升了 14.33%。
引用
@article{arxiv.2204.12111,
title = {Function-words Enhanced Attention Networks for Few-Shot Inverse Relation Classification},
author = {Chunliu Dou and Shaojuan Wu and Xiaowang Zhang and Zhiyong Feng and Kewen Wang},
journal= {arXiv preprint arXiv:2204.12111},
year = {2022}
}