基于层级软提示交互融合的少样本事件方面类别检测方法
作者机构:昆明理工大学信息工程与自动化学院 昆明理工大学云南省人工智能重点实验室 国家计算机网络应急技术处理协调中心云南分中心
出 版 物:《计算机工程》 (Computer Engineering)
年 卷 期:2024年
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家重点研发计划(202301AT070444) 国家自然科学基金(62366025) 云南省科技厅自然科学基金项目(202202AE090008-3)
主 题:少样本 提示学习 软提示 方面类别检测 多层次提示交互融合
摘 要:事件方面类别检测旨在识别出给定事件文本中的方面类别。相关研究可以辅助获取不同领域和事件文本中的关键信息,特别是在社交媒体舆情研究中具有实用价值。在社交媒体舆情事件发展前期,事件文本标记数据稀缺,如何基于少量标记数据实现准确的事件方面检测是一个亟待解决的问题。论文提出一种基于预训练模型的多层级软提示交互融合少样本事件方面类别检测方法,基于预训练构建多层次的软提示模板,分别与预训练模型进行层级语义表征和交互融合,并自适应的融合多层次的提示表征,从而提升少样本事件方面类别检测的效果。论文在自构建中文社交媒体少样本数据集和英文数据集上进行实验,实验结果证明论文所提方法明显优于其他基线方法,进一步的消融及可视化证明了论文所提多层次提示交互融合模块的有效性。