@进料{van-der-heijden-etal-2023-k,title=“图上少快照学习的K-hop邻域正则化:文本分类的案例研究”,author=“范德海登、尼尔斯和舒托娃、叶卡捷琳娜和Yannakoudakis,海伦”,editor=“弗拉科斯、安德烈亚斯和伊莎贝尔·奥根斯坦“,booktitle=“计算语言学协会欧洲分会第17届会议记录”,月=5月,年=“2023”,address=“克罗地亚杜布罗夫尼克”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.eacl-main.85”,doi=“10.18653/v1/2023.eacl-main.85”,pages=“1187--1200”,抽象=“我们提出了FewShotTextGCN,这是一种新的方法,旨在有效地利用单词文档图的特性来改进低资源环境下的学习。我们引入了K-hop邻域正则化,一种用于异构图的正则化器,并表明当只有少数训练样本可用时,它可以稳定和改进学习。此外,我们还提出了一种简化的图形构造方法,该方法可以使图形的密度降低约7倍,并在低资源设置中产生更好的性能,同时在高资源设置中表现出与当前技术水平相当的性能。最后,我们介绍了一种为文字文档图量身定制的自适应伪标记的新变体。当只使用20个样本进行训练时,我们超过了强大的TextGCN基线,在八种语言中的平均绝对准确度为17{\%}。我们证明,我们的方法可以应用于文档分类,而无需对各种类型多样的语言进行任何语言模型的预训练,同时与大型预训练的语言模型不相上下。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“van-der-heijden-etal-2023-k”><标题信息>图上少快照学习的K-hop邻域正则化:文本分类的一个案例研究</titleInfo><name type=“personal”>尼尔斯范德海登<角色>作者</角色></name><name type=“personal”>叶卡捷琳娜舒托娃<角色>作者</角色></name><name type=“personal”>海伦Yannakoudakis<角色>作者</角色></name><originInfo>发布日期:2023-05发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会欧洲分会第17届会议记录</titleInfo><name type=“personal”>安德烈亚斯Vlachos公司<角色>编辑器</角色></name><name type=“personal”>伊莎贝尔<namePart type=“family”>奥格斯坦</namePart><角色>编辑器</角色></name><originInfo>计算语言学协会<位置>克罗地亚杜布罗夫尼克</place></originInfo><type-authority=“marcgt”>会议出版物</type></relatedItem><abstract>我们提出了FewShotTextGCN,这是一种新的方法,旨在有效利用单词文档图的特性,改进低资源环境中的学习。我们引入了K-hop邻域正则化,这是一个用于异构图的正则化器,并表明当只有少数训练样本可用时,它可以稳定和改进学习。此外,我们还提出了一种简化的图形构造方法,该方法可以使图形的密度降低约7倍,并在小资源环境中产生更好的性能,同时在高资源环境中表现出与最新技术相当的性能。最后,我们介绍了一种为文字文档图量身定制的自适应伪标记的新变体。当只使用20个样本进行训练时,我们的表现优于强大的TextGCN基线,在八种语言中平均绝对准确率为17%。我们证明,我们的方法可以应用于文档分类,而无需对多种类型多样的语言进行任何语言模型预处理,同时性能与大型预处理语言模型相当</摘要>van-der-heijden-etal-2023-k10.18653/v1/2023.eacl-main.85<位置><网址>https://aclantology.org/2023.eacl-main.85</url></位置><部分>2023-05年<扩展单元=“page”><开始>1187</开始><end>1200</范围></部分></mods></modsCollection>
%0会议记录%图上少快照学习的T K-hop邻域正则化:文本分类的一个实例研究%尼尔斯,范德海登%叶卡捷琳娜·舒托娃%A Yannakoudakis,海伦%安德烈亚斯·瓦拉科斯%伊莎贝尔·Y·奥根斯坦%计算语言学协会欧洲分会第17届会议记录%D 2023年%5月8日%计算语言学协会%C杜布罗夫尼克,克罗地亚%F van-der-heijden-etal-2023-k公司%X我们提出了FewShotTextGCN,这是一种新的方法,旨在有效地利用单词文档图的特性来改进低资源环境中的学习。我们引入了K-hop邻域正则化,这是一个用于异构图的正则化器,并表明当只有少数训练样本可用时,它可以稳定和改进学习。此外,我们还提出了一种简化的图形构造方法,该方法可以使图形的密度降低约7倍,并在低资源设置中产生更好的性能,同时在高资源设置中表现出与当前技术水平相当的性能。最后,我们介绍了一种为文字文档图量身定制的自适应伪标记的新变体。当只使用20个样本进行训练时,我们的表现优于强大的TextGCN基线,在八种语言中平均绝对准确率为17%。我们证明,我们的方法可以应用于文档分类,而无需对多种类型多样的语言进行任何语言模型预处理,同时性能与大型预处理语言模型相当。%R 10.18653/v1/2023.eacl最小值85%U型https://aclantology.org/2023.eacl-main.85%U型https://doi.org/10.18653/v1/2023.eacl-main.85%电话:1187-1200
降价(非正式)
[图上少快照学习的K-hop邻域正则化:文本分类的一个案例研究](https://aclantology.org/2023.eacl-main.85)(van der Heijden等人,EACL 2023)
国际计算语言学协会
- 尼尔斯·范德海登(Niels van der Heijden)、叶卡捷琳娜·舒托娃(Ekaterina Shutova)和海伦·扬纳库达基斯(Helen Yannakoudakis)。2023用于图上少镜头学习的K-hop邻域正则化:一个文本分类的案例研究.英寸计算语言学协会欧洲分会第17届会议记录第1187-1200页,克罗地亚杜布罗夫尼克。计算语言学协会。