SALNet: Semi-Supervised Few-Shot Text Classification with Attention-based Lexicon Construction

AAAI2021.
本文考虑了低资源文本分类情境下对class对应的关键词进行扩充的问题，每个类收集一组被称为lexicon的词集，根据分类任务计算的注意力权重，并根据注意力系数对关键词进行再分配（注意力的可视化如图1所示）。之后，利用分类器与所构建的lexicon的组合来标记新的数据来引导分类器，以提高预测的准确性。

Methods

与其他的弱（半）监督方法一样，本文提出的方法依旧是迭代的过程，大致可以分为如下几步：

1. 从给定的标签数据创建一个基本分类器，这里训练分类器的样本是非常少的。分类器必须包含一个注意机制，以便为每个分类收集关键单词。
2. 在未标记数据集