Abstract
关系分类作为构建结构化知识的重要一环,在自然语言处理领域备受关注。但在很多应用领域中(医疗、金融领域),收集充足的用于训练关系分类模型的数据是十分困难的。近年来,仅需要少量训练样本的小样本学习研究逐渐新兴于各大领域。本文对近期小样本关系分类模型与方法进行了系统的综述。根据度量方法的不同,将现有方法分为原型式和分布式两大类。根据是否利用额外信息,将模型分为预训练和非预训练两大类。此外,除了常规设定下的小样本学习,本文还梳理了跨领域和稀缺资源场景下的小样本学习,并探讨了目前小样本关系分类方法的局限性,分析了跨领域小样本 学习面临的技术挑战。最后,展望了小样本关系分类未来的发展方向。- Anthology ID:
- 2020.ccl-1.34
- Volume:
- Proceedings of the 19th Chinese National Conference on Computational Linguistics
- Month:
- October
- Year:
- 2020
- Address:
- Haikou, China
- Editors:
- Maosong Sun (孙茂松), Sujian Li (李素建), Yue Zhang (张岳), Yang Liu (刘洋)
- Venue:
- CCL
- SIG:
- Publisher:
- Chinese Information Processing Society of China
- Note:
- Pages:
- 363–375
- Language:
- Chinese
- URL:
- https://aclanthology.org/2020.ccl-1.34
- DOI:
- Cite (ACL):
- Han Hu and Pengyuan Liu. 2020. 小样本关系分类研究综述(Few-Shot Relation Classification: A Survey). In Proceedings of the 19th Chinese National Conference on Computational Linguistics, pages 363–375, Haikou, China. Chinese Information Processing Society of China.
- Cite (Informal):
- 小样本关系分类研究综述(Few-Shot Relation Classification: A Survey) (Hu & Liu, CCL 2020)
- PDF:
- https://preview.aclanthology.org/proper-vol2-ingestion/2020.ccl-1.34.pdf