P4E：将少样本事件检测作为提示引导的识别与定位
计算与语言
2022-12-21 v3
摘要
我们提出 P4E，一个识别并定位的事件检测框架，它融合了少样本提示学习与结构化预测的优势。我们的框架将事件检测分解为一个识别任务和一个定位任务。对于被我们表述为多标签分类的识别任务，我们利用基于完形填空的提示（cloze-based prompting）来使我们的目标与语言模型的预训练任务对齐，从而使我们的模型能够快速适应新的事件类型。随后，我们采用一个事件类型无关的序列标注模型，以识别任务的输出为条件来定位事件触发词。这种异构模型设计使得 P4E 能够快速学习新的事件类型，同时不牺牲进行结构化预测的能力。我们的实验证明了我们所提出设计的有效性，并且 P4E 在基准数据集 FewEvent 和 MAVEN 上的少样本事件检测表现优越，在 ACE 上的全监督事件检测中与 SOTA 性能相当。
引用
@article{arxiv.2202.07615,
title = {P4E: Few-Shot Event Detection as Prompt-Guided Identification and Localization},
author = {Sha Li and Liyuan Liu and Yiqing Xie and Heng Ji and Jiawei Han},
journal= {arXiv preprint arXiv:2202.07615},
year = {2022}
}
备注
13 pages, fixed typos and additional experiments