用于少样本关系分类的多级匹配与聚合网络
计算与语言
2019-06-18 v1
摘要
本文提出一种用于少样本关系分类的多级匹配与聚合网络(MLMAN)。该课题的先前研究采用原型网络，独立地计算查询实例的嵌入向量与各支持集的原型向量。相比之下，我们提出的MLMAN模型通过在局部和实例两个层面考虑匹配信息，以交互方式对查询实例与各支持集进行编码。每个支持集的最终类原型通过对其实例表示进行注意力聚合获得，其中权重由查询实例计算。实验结果证明了我们所提方法的有效性，其在FewRel数据集上取得了新的SOTA性能。
引用
@article{arxiv.1906.06678,
title = {Multi-Level Matching and Aggregation Network for Few-Shot Relation Classification},
author = {Zhi-Xiu Ye and Zhen-Hua Ling},
journal= {arXiv preprint arXiv:1906.06678},
year = {2019}
}
备注
ACL 2019