few-shot text classification | BriefGPT

关键词few-shot text classification

搜索结果 - 24

FPT：用于少样本可读性评估的特征提示调整
我们提出了一种新的基于提示的调优框架，称为特征提示调优（FPT），它结合了丰富的语言知识，通过从文本中提取语言特征并将其嵌入可训练的软提示，进一步设计了一种新的损失函数来校准类别之间的相似度排名顺序，实验证明我们的方法在诸多方面均显著提高了
PDF3 months ago
COLINGCrossTune: 基于黑盒的标签增强的小样本分类
通过引入一种称为 CrossTune 的标签增强的交叉注意力网络，该网络在输入文本序列和任务特定标签描述之间建模语义相关性，本研究在少样本文本分类的背景下检验了 CrossTune 的有效性。通过使用 ChatGPT 生成额外的训练数据以提
PDF3 months ago
基于对比学习的软提示模型在少样本情感分析中的应用
我们提出了基于软对比学习的 Prompt (SCP) 模型对少样本情感分析进行研究，通过舆论模块引导模型进行从粗粒度到细粒度的情感预测，并考虑标签之间的相关性，与其他基准模型进行对比实验证明了 SCP 的巨大优势。
PDF7 months ago
EMNLP使用无需映射的自动转述器增强基于提示的自我训练对多类别分类的提升
最近，基于提示的微调作为少样本文本分类任务的核心技术引起了相当大的兴趣。本研究引入了一种名为 Mapping-free Automatic Verbalizer (MAV) 的新型高效词汇提取结构，利用 MLM 预测中的所有信息来自动提取分
PDF7 months ago
标签感知的自动转述引擎用于少样本文本分类
我们提出了标签感知的自动化表述 (LAAV) 方法，通过使用手动标签和联合词 “和” 来诱导模型生成更有效的词语，以在少样本分类任务中取得更好的结果。实验证明，与现有的表述方法相比，LAAV 在五个数据集和五种语言上显著优于其他表述方法，尤
PDF8 months ago
IJCAI用 ChatGPT 打破银行壁垒：金融领域的少样本文本分类
我们提出使用对话式 GPT 模型，在金融领域利用 Banking77 数据集进行简单快速的少样本文本分类。我们的方法涉及 GPT-3.5 和 GPT-4 的上下文学习，最小化技术专业知识的要求，消除了昂贵的 GPU 计算需求，同时产生快速准
PDF10 months ago
基于提示的少样本文本分类的进化语言生成搜索
本文提出了一种新的进化式口头表述搜索算法用于构建最优的口头表述器，在少量数据情况下使用预训练的语言模型以及任务特定提示能够极大地提高准确性，进一步推进了小样本文本分类的研究。
PDFa year ago
KDDMetricPrompt: 以 Prompting 模型作为 Few-shot 文本分类的相关性评估度量
本研究提出了 MetricPrompt 方法来解决 few-shot 分类任务的 verbalizer 设计难题，将其转化为文本对相关性评估任务，使用 prompting 模型作为相关性度量，取得了超过手动 verbalizer 和其他自动
PDFa year ago
ACLTART: 任务自适应参考转换技术提升少样本文本分类
提出一种基于 Task-Adaptive Reference Transformation 网络的 Few-Shot 文本分类方法，通过在任务自适应度量空间中将类原型转换为每个类的固定参考点来增强泛化能力，并引入了一种在转换后的原型之间的区
PDFa year ago
利用基于提示的数据增强提高黑盒少样本文本分类
本文提出了一种名为 BT-Classifier 的方法，它通过对数据进行数据增强、把黑盒模型作为特征提取器以及使用小型的辅助语言模型的 prompt-based 微调训练分类器，达到了在不访问大型模型的梯度的情况下优化零样本学习任务的效果，
PDFa year ago
AAAIContrastNet：用于小样本文本分类的对比学习框架
提出了一个名为 ContrastNet 的对比学习框架，来解决少样本文本分类问题中类间相似性引起的混淆和过拟合的问题。经实验证明该方法在 8 个少样本文本分类数据集上优于当前技术水平。
PDFa year ago
AAAI通过分布估计提高少样本文本分类
本文提出了两种简单而有效的方法通过无标签查询样本来估计新颖类别的分布，从而避免了负面转移的问题。经过多个数据集的实验，该方法明显优于现有的先进方法。
PDFa year ago
通过自监督分层任务聚类解耦少样本文本分类任务关系
本文提出了一种自我监督的层次任务聚类 (SS-HTC) 方法，通过动态地将异构任务组织到不同层次的簇中来自定义聚类特异性知识，并分离任务之间的潜在关系以提高可解释性，以应对任务异构性，实验结果表明 SS-HTC 的有效性。
PDF2 years ago
以判别式语言模型为基础的语义一致性评分器，用于基于提示的小样本文本分类
本文提出了一种新的基于提示的微调方法 (DLM-SCS) 用于少样本文本分类，通过利用区分性语言模型 ELECTRA，该模型是预先训练用于区分一个 token 是否是原始生成的。模型的基本思想是，用真实标签实例化的提示应具有比其他带有假标签
PDF2 years ago
EMNLP利用方差感知的典型网络从放射学报告中元学习病态
本文提出了一种为 few-shot 文本分类的经典网络增加高斯类原型和一种鼓励示例靠近适当类别中心的正则化项的简单方法，表明该方法比 13 个公共数据集和 4 个内部数据集的各种强基线更为出色，并将类分布作为检测潜在的部署时油水分离数据点的
PDF2 years ago
双重对比一致性的小样本文本分类
本文研究了如何使用预训练的语言模型进行少样本文本分类，提出了一种基于有限标注数据的监督对比学习和大量无标注数据的一致性约束方法，并且提出一种新的对比一致性来改善模型性能。在四个数据集上的实验证明，我们的模型 (FTCC) 可以胜过现有的最佳
PDF2 years ago
COLING基于梯度相似性的自适应元学习器用于小样本文本分类
提出了一种基于自适应元学习和梯度相似性的方法 AMGS，通过获得样本的潜在语义表示和构建自监督辅助任务以及利用自适应元学习者对基学习者在外循环中获得梯度的约束，以解决少样本学习场景下优化方法的过拟合问题。实验结果表明，与基于优化方法的元学习
PDF2 years ago
ACL自动多标签提示：简单且可解释的少样本分类
本研究提出了 AMuLaP 方法，利用一对多标签映射和基于统计的算法自动选择少样本文本分类的标签映射，并在 GLUE 基准测试上展示出竞争性能。
PDF2 years ago
AAAIALP: 使用带词汇的 PCFG 进行数据增强，用于少样本文本分类
使用词汇化的概率上下文无关语法 (ALP) 的数据增强技术可以生成具有合理语法的各种语法结构样本，该方法不需要特定的领域专家来处理依赖性和成分，当该数据扩充方法与增量的训练和验证集拆分策略同时发挥作用，可以获得用于小样本文本分类任务的强大的
PDF3 years ago
ACL优秀的示范使学习更快：针对低资源 NER 的简单基于演示的学习
本文提出了一种演示为基础的命名实体识别学习方法，研究了演示策略对模型在低资源情况下性能的影响，并在领域内学习和领域适应中证明了良好的演示可以节省很多标记示例并促进更好的性能表现。
PDF3 years ago