BvSP: 广视野软启发式训练用于少样本情感四元预测
原文中文,约300字,阅读约需1分钟。发表于: 。本研究旨在解决使用神经模型进行少样本学习中,纬度预测的挑战,并提出了一种聚合多个模板的广角软提示方法,通过使用预训练语言模型选择相关度最高的 k 个模板,并使用软提示来指导预训练语言模型,最终将多个模板的结果通过投票机制进行聚合。实验证明,该方法在各项指标上明显优于其他最新方法和公共数据集。
本文介绍了Multi-view Prompting(MvP)的概念,该方法通过不同的视角聚合生成的情感元素,模拟多视角和多任务。MvP通过元素顺序提示,生成多个情感元组,并通过投票选择最合理的元组。研究表明,该方法在4项基准任务中的10个数据集上显著提升了性能,并得到了广泛的评价验证,证实了MvP的有效性、灵活性和跨任务可转移性。