Der Artikel beschreibt den Superposition-Konzept-Diskriminator (SuperCD), ein aktives Lernverfahren zur Lösung der präzisen Generalisierungsherausforderung in der wenige-Schuss-Named-Entity-Erkennung (FS-NER).
Zunächst wird ein Konzeptextraktor eingeführt, um Superpositions-Konzepte aus den illustrativen Instanzen zu identifizieren. Diese Superpositions-Konzepte entsprechen möglichen Verallgemeinerungsgrenzen, die zur genauen Bestimmung des gewünschten Zieltyps notwendig sind.
Anschließend wird ein Superpositions-Instanz-Retriever verwendet, um entsprechende Instanzen dieser Superpositions-Konzepte aus einem großen Textkorpus abzurufen. Annotatoren werden dann gebeten, diese abgerufenen Instanzen zu annotieren. Diese annotierten Instanzen zusammen mit den ursprünglichen illustrativen Instanzen werden dann verwendet, um FS-NER-Modelle zu lernen.
Experimente auf 5 FS-NER-Benchmarks zeigen, dass SuperCD die Leistung signifikant verbessern und die Superpositions-Konzepte effektiv identifizieren kann.
翻譯成其他語言
從原文內容
arxiv.org
深入探究