科研之友
微信
新浪微博
Facebook
分享链接
摘要
小样本事件检测旨在通过少量样本进行事件检测。由于训练规模的限制，现有小样本事件检测系统存在稳定性和鲁棒性较差的问题。为了提高小样本事件检测的稳定性和鲁棒性，该文提出一个基于标签增强和对比学习的小样本学习算法。在原型网络的基础上通过模板引入事件标签表示作为模型先验来降低模型对于数据的敏感性，同时引入对比学习从高维空间上优化句子表示，提高模型的鲁棒性。相比于小样本事件检测的强基线系统，该文提出的模型在FewEvent数据集5-way-5-shot的情况下F1值提高了4.7%,MAVEN数据集提高了9.2%。另外在数据中混有40%噪声的情况下，该文模型相较于其他强基线系统也有10%的增益，实验证明，该文所提模型在鲁棒性和稳定性明显提高的同时，性能也有显著提高。
- 单位
