Aug, 2023
文本中的少样本异常检测与偏差学习
Few-shot Anomaly Detection in Text with Deviation Learning
TL;DR本文介绍了FATE，一种基于深度少样本学习的框架，它利用有限的异常例子，在端到端的方法中显式地学习异常分数，同时使用偏差学习来调整正常例子的异常分数，以接近参考分数，并迫使异常样本在先验分布的上尾具有明显偏离的异常分数。此外，我们的模型通过利用多头自注意力层和多示例学习方法来学习异常的独特行为。在几个基准数据集上进行的综合实验证明了我们提出的方法达到了最新技术水平。