Label-Guided Prompt for Multi-label Few-shot Aspect Category Detection

要約

マルチラベルの少数ショット アスペクト カテゴリ検出は、トレーニング インスタンスの数が限られた文から複数のアスペクト カテゴリを識別することを目的としています。
文とカテゴリの表現は、このタスクの重要な問題です。
現在の手法の多くは、文表現やカテゴリ表現からキーワードを抽出する。
多くの場合、文にはカテゴリに依存しない単語が多く含まれており、キーワードベースのメソッドのパフォーマンスが最適化されていません。
キーワードを直接抽出する代わりに、ラベルに基づいて文とカテゴリを表すプロンプト手法を提案します。
具体的には、重要な文脈情報と意味情報を組み合わせて文を表現するラベル固有のプロンプトを設計します。
さらに、大規模な言語モデルを利用してカテゴリの説明を取得するためのプロンプトにラベルが導入されています。
この種のカテゴリーの説明には、アスペクト・カテゴリーの特性が含まれており、識別カテゴリーのプロトタイプの構築をガイドします。
2 つの公開データセットでの実験結果は、私たちの方法が現在の最先端の方法よりも優れており、Macro-F1 スコアが 3.86% ～ 4.75% 向上したことを示しています。

要約(オリジナル)

Multi-label few-shot aspect category detection aims at identifying multiple aspect categories from sentences with a limited number of training instances. The representation of sentences and categories is a key issue in this task. Most of current methods extract keywords for the sentence representations and the category representations. Sentences often contain many category-independent words, which leads to suboptimal performance of keyword-based methods. Instead of directly extracting keywords, we propose a label-guided prompt method to represent sentences and categories. To be specific, we design label-specific prompts to represent sentences by combining crucial contextual and semantic information. Further, the label is introduced into a prompt to obtain category descriptions by utilizing a large language model. This kind of category descriptions contain the characteristics of the aspect categories, guiding the construction of discriminative category prototypes. Experimental results on two public datasets show that our method outperforms current state-of-the-art methods with a 3.86% – 4.75% improvement in the Macro-F1 score.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google