统一令牌与片段级监督的少样本序列标注
计算与语言
2023-07-21 v2
摘要
少样本序列标注旨在仅基于少量标注样本识别新类别。现有方法主要通过基于度量学习设计令牌级或片段级标注模型来解决数据稀缺问题。然而，这些方法仅在单一粒度（即令牌级或片段级）上训练，并具有相应粒度的某些弱点。本文首先统一令牌与片段级监督，提出一种用于少样本序列标注的一致双自适应原型（CDAP）网络。CDAP包含令牌级和片段级网络，在不同粒度上联合训练。为对齐两网络输出，我们进一步提出一致损失使它们相互学习。推理阶段，我们提出一种一致贪心推理算法，先调整预测概率，再贪心选择具有最大概率的非重叠片段。大量实验表明，我们的模型在三个基准数据集上取得了新的最先进结果。
引用
@article{arxiv.2307.07946,
title = {Unifying Token and Span Level Supervisions for Few-Shot Sequence Labeling},
author = {Zifeng Cheng and Qingyu Zhou and Zhiwei Jiang and Xuemin Zhao and Yunbo Cao and Qing Gu},
journal= {arXiv preprint arXiv:2307.07946},
year = {2023}
}
备注
Accepted by ACM Transactions on Information Systems