用于多标签少样本方面类别检测的标签增强原型网络与对比学习
计算与语言
2022-06-29 v1 人工智能
机器学习
摘要
多标签方面类别检测允许给定评论句包含多个方面类别，其在情感分析中更为实用并日益受到关注。由于标注大量数据耗时费力，真实场景中频繁出现数据稀缺，这催生了多标签少样本方面类别检测。然而该问题的研究尚处起步阶段，可用方法甚少。本文提出一种新颖的标签增强原型网络（LPN）用于多标签少样本方面类别检测。LPN 的要点如下：首先，它利用标签描述作为辅助知识来学习更具判别力的原型，从而保留方面相关信息并消除无关方面带来的有害影响；其次，它结合对比学习，促使含相同方面标签的句子在嵌入空间中聚集，同时推远含不同方面标签的句子；此外，它引入自适应多标签推断模块以预测句中方面数量，简洁而有效。在三个数据集上的大量实验表明，我们所提 LPN 模型持续取得最先进性能。
引用
@article{arxiv.2206.13980,
title = {Label-enhanced Prototypical Network with Contrastive Learning for Multi-label Few-shot Aspect Category Detection},
author = {Han Liu and Feng Zhang and Xiaotong Zhang and Siyang Zhao and Junjie Sun and Hong Yu and Xianchao Zhang},
journal= {arXiv preprint arXiv:2206.13980},
year = {2022}
}
备注
Accepted to KDD 2022