[IJCAL 2022 | 论文简读] 基于自适应虚词增强的少样本逆关系分类

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