论文笔记：Hybrid Attention-Based Prototypical Networks for Noisy Few-Shot Relation Classification

基本信息

• github：地址
• 会议：2019 AAAI
• 标签：关系抽取、小样本

笔记

1. 整体思路是什么？

• 问题设定：小样本关系抽取，N way K shot 的任务。
• 数据集：FewRel 1.0数据集，在数据集中引入了 （错误标注的情况）
• 出发点：在小样本中噪声数据对模型影响是巨大的。小样本学到的特征是稀疏的。
• 方式：小样本学习中的metric learning方法，用了之前Prototypical网络，作了一定改进。将简单的avg换成了attention。引入了基于实例、基于特征的混合注意力。缓解出发点提到的两个问题。
• 做法：对每个query，都是拿整个support set与其计算相似度，最终是一个N维的相似度量，取最大作为其类别。

2. 模型流程是什么？

输入:$（Support，x_{query}$