简读分享 | 王宇哲 编辑 | 陈兴民
论文题目
Function-words Adaptively Enhanced Attention Networks for Few-Shot Inverse Relation Classification
论文摘要
关系分类是为了识别给定文本中两个实体之间的语义关系。虽然现有的模型在对大数据集的逆关系进行分类时表现良好,但对于少样本学习,它们的性能显著降低。本文提出了一种虚词自适应增强注意框架(FAEA),该框架设计了一种基于元学习的混合注意模型,用于参加与类相关的虚词。由于虚词的使用带来了显著的类内冗余,引入了一种自适应消息传递机制来捕获和传递类内差异。本文从点积测量的角度对虚词的负面影响进行了数学分析,解释了为什么消息传递机制能有效地降低虚词的负面影响。实验结果表明,FAEA算法优于强基线,特别是在FewRel1.0一次学习下,逆关系精度提高了14.33%。
论文链接
https://arxiv.org/abs/2204.12111