别再用假任务做小样本学习实验了!快来试试全新小样本基准数据集FewJoint( 三 )


? 支持使用标签名称或标签描述中的语义信息 。
? 支持与huggingface/transformers兼容的各种深度预训练词表示 , 例如BERT和Electra 。
? 支持成对嵌入表示机制 (Pair-wise Embedding) [2][3] 。
(2)易用且灵活的架构
? 提供通用的Train & Testing工具 。
? 支持具有统一接口的各种小样本模型 , 例如ProtoNet和TapNet 。
? 支持多种可以快速切换的相似性度量方式和logits缩放方法 。
? 提供元学习风格的小样本数据生成工具 。
4
数据集论文:
小样本工具平台主页地址:
参考文献:
[1] Jake Snell, Kevin Swersky, and Richard Zemel. 2017. Prototypical networks for few-shot learning. In NIPS, pages 4077–4087.
[2] Yutai Hou, Wanxiang Che, Yongkui Lai, Zhihan Zhou, Yijia Liu, Han Liu, and Ting Liu. 2020. Few-shot slot tagging with collapsed dependency transfer and label-enhanced task-adaptive projection network. In Proc. of the ACL.
[3] Gao T, Han X, Zhu H, Liu Z, Li P, Sun M, Zhou J. FewRel 2.0: Towards more challenging few-shot relation classification. arXiv preprint arXiv:1910.07124. 2019 Oct 16.
【别再用假任务做小样本学习实验了!快来试试全新小样本基准数据集FewJoint】NeurIPS 2020论文接收列表已出 , 欢迎大家投稿让更多的人了解你们的工作~
别再用假任务做小样本学习实验了!快来试试全新小样本基准数据集FewJoint文章插图
别再用假任务做小样本学习实验了!快来试试全新小样本基准数据集FewJoint文章插图


推荐阅读