Towards Realistic Few-Shot Relation Extraction
目录
文章应该算是分析模型有效性的问题的那一类中。
Findings 01-hard relations
我们发现最先进的 FewRel 模型严重依赖实体类型信息,因此无法区分对人类来说微不足道的许多类型的关系。这里的关系类型比如:family一大类中的mother、father等等。
在作者的实验中,列出了部分比较难的关系和容易混淆的可能关系类型。
Findings 02-hard examples are friendly
通过引入(手动创建的)具有挑战性的example加入到训练数据集中,可以提高模型性能
表 5 显示了 FewRel 数据集的训练结果,增加了 TACRED 人员关系和对 TACRED 组织的测试。我们可以看到共享相似实体类型签名的关系之间的改进结果和更少的混淆。这意味着随着更多具有挑战性的示例的添加,模型被迫超越实体类型签名,并结合其他适合区分可混淆关系的信息。请注意,组织 TACRED