基于提示元学习的零样本与少样本事件检测
计算与语言
2023-05-30 v1 人工智能
摘要
随着新兴在线话题成为众多新事件的来源,检测未见/稀有事件类型对现有事件检测方法提出了难以应对的挑战,因其仅提供有限的训练数据。为解决事件检测中的数据稀缺问题,我们提出MetaEvent,一种基于元学习的零样本与少样本事件检测框架。具体而言,我们从已有事件类型中采样训练任务并执行元训练以搜索能快速适应未见任务的最优参数。在我们的框架中,我们提出使用基于完形填空的提示与触发感知软 verbalizer 来高效将输出投影到未见事件类型。此外,我们基于最大均值差异(MMD)设计对比元目标以学习类分离特征。由此,所提MetaEvent可通过将特征映射到事件类型而无需任何先验知识来执行零样本事件检测。实验中,我们在零样本与少样本场景下均证明了MetaEvent的有效性,所提方法在基准数据集FewEvent和MAVEN的广泛实验中达到最先进性能。
引用
@article{arxiv.2305.17373,
title = {Zero- and Few-Shot Event Detection via Prompt-Based Meta Learning},
author = {Zhenrui Yue and Huimin Zeng and Mengfei Lan and Heng Ji and Dong Wang},
journal= {arXiv preprint arXiv:2305.17373},
year = {2023}
}
备注
Accepted to ACL 2023