面向小样本命名实体识别的基于提示的度量学习
计算与语言
2022-11-09 v1
摘要
小样本命名实体识别旨在利用少量标注样本泛化到未见过的标签和/或领域。现有的度量学习方法计算查询集与支持集之间的词元级相似度，但无法将标签语义完全融入建模。为了解决这个问题，我们提出了一种简单的方法来大幅改进用于 NER 的度量学习：1）设计了多种提示模式以增强标签语义；2）我们提出了一种新颖的架构，以有效结合多种基于提示的表示。在实证研究中，我们的方法在 18 个考虑的设置中的 16 个下取得了新的最先进结果，在微观 F1 的相对增益上，平均显著优于先前的最先进方法 8.84%，最高达 34.51%。我们的代码可在 https://github.com/AChen-qaq/ProML 获取。
引用
@article{arxiv.2211.04337,
title = {Prompt-Based Metric Learning for Few-Shot NER},
author = {Yanru Chen and Yanan Zheng and Zhilin Yang},
journal= {arXiv preprint arXiv:2211.04337},
year = {2022}
}