PESCO：用于零样本文本分类的提示增强自对比学习
计算与语言
2023-05-25 v1
摘要
我们提出 PESCO，一种新颖的对比学习框架，可大幅提升零样本文本分类性能。我们将文本分类表述为神经文本匹配问题，其中每篇文档被视为查询，系统通过（1）添加提示以增强标签匹配，以及（2）在对比学习的自训练循环中利用检索到的标签丰富训练集，来学习从每个查询到相关类标签的映射。PESCO 在四个基准文本分类数据集上取得了最先进性能。在 DBpedia 上，我们在无任何标注数据的情况下达到了 98.5% 准确率，接近全监督结果。大量实验与分析表明 PESCO 的所有组件对于提升零样本文本分类性能都是必要的。
引用
@article{arxiv.2305.14963,
title = {PESCO: Prompt-enhanced Self Contrastive Learning for Zero-shot Text Classification},
author = {Yau-Shian Wang and Ta-Chung Chi and Ruohong Zhang and Yiming Yang},
journal= {arXiv preprint arXiv:2305.14963},
year = {2023}
}
备注
accepted by ACL 2023