Silver Standard Data for Zero-shot Classification Tasks in Information Extraction
Concepts de base
Utilizing silver standard data to enhance zero-shot performance is crucial in information extraction tasks.
Résumé
最近のゼロショット分類方法は、他のNLPタスクに変換し、オフザシェルフモデルを使用してテストデータで推論を直接実行します。Clean-LaVeフレームワークは、銀標準データを使用してゼロショットパフォーマンスを向上させることを提案します。Iteratively Weighted Negative LearningアルゴリズムとClass-Aware Data Selectorが導入されています。実験結果は、Clean-LaVeが他の手法よりも優れた性能を示すことを示しています。
On the use of Silver Standard Data for Zero-shot Classification Tasks in Information Extraction
Stats
Clean-LaVeはTACREDおよびWiki80データセットでベースラインよりも5%〜6%優れた性能を発揮します。
Clean-LaVeはSmile(Korean and Polish)データセットで8%改善しました。
Clean-LaVeはACE05-E+データセットでベースラインよりも8%改善しました。
Citations
"Learning with noisy labels has been well studied in the literature."
"Clean-LaVe can outperform the baseline by 5% and 6% on TACRED and Wiki80 dataset."
"The experimental results show that Clean-LaVe can outperform the baseline by 5% and 6% on TACRED and Wiki80 dataset."