面向自然语言理解中少样本槽位标注的向量投影网络
计算与语言
2020-09-23 v2
摘要
受对话系统巨大发展的推动，少样本槽位标注因快速的领域迁移与适配而颇具吸引力。本文提出一种用于少样本槽位标注的向量投影网络，其利用上下文词嵌入在每个目标标签向量上的投影作为词-标签相似度。本质上，该方法等价于带自适应偏置的归一化线性模型。对比实验表明，我们提出的基于向量投影的相似度度量可显著超越其他变体。具体而言，在基准SNIPS与NER的五样本设定下，我们的方法在F分数上分别超越最强少样本学习基线 与 个点。我们的代码将发布于 https://github.com/sz128/few_shot_slot_tagging_and_NER。
引用
@article{arxiv.2009.09568,
title = {Vector Projection Network for Few-shot Slot Tagging in Natural Language Understanding},
author = {Su Zhu and Ruisheng Cao and Lu Chen and Kai Yu},
journal= {arXiv preprint arXiv:2009.09568},
year = {2020}
}