科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度学习在事件检测任务上取得了显著的成果，但模型严重依赖于大量的标注数据．由于事件结构化的信息和丰富的标签表示，使得获取注释的成本很高，难以大量获得．针对事件检测任务，为了提高语料标注效率，减少训练过程所需的标注样本数量，提出一种联合主动学习和预训练模型的事件检测模型．针对主动学习模型存在的冷启动问题，设计了基于融合不确定性的特殊样本选择策略，估计样本在微调下游事件检测任务方面的潜在贡献．一方面，结合预训练模型从原始任务中带来的丰富的语义信息，避免了重新设计网络结构或从零开始训练；另一方面，利用主动学习选择信息丰富的样本能更好地微调预训练模型，减少数据标注成本．在ACE2005语料上进行数值实验验证，结果证明了所提出的EDPAL算法的有效性．
- 单位
