Detail publikace

IDIAPers @ Causal News Corpus 2022: Efficient Causal Relation Identification Through a Prompt-based Few-shot Approach

BURDISSO Sergio, FAJČÍK Martin, SMRŽ Pavel a MOTLÍČEK Petr a kol. IDIAPers @ Causal News Corpus 2022: Efficient Causal Relation Identification Through a Prompt-based Few-shot Approach. In: Proceedings of the 5th Workshop on Challenges and Applications of Automated Extraction of Socio-political Events from Text (CASE 2022). Abu Dhabi: Association for Computational Linguistics, 2022, s. 61-69. ISBN 978-1-959429-05-0. Dostupné z: https://aclanthology.org/2022.case-1.9/
Název česky
IDIAPers @ Causal News Corpus 2022: Efektivní identifikace kauzálních vztahů prostřednictvím příkazů založených na "few-shot" učení
Typ
článek ve sborníku konference
Jazyk
angličtina
Autoři
Burdisso Sergio (IDIAP)
Fajčík Martin, Ing., Ph.D. (UPGM FIT VUT)
Smrž Pavel, doc. RNDr., Ph.D. (UPGM FIT VUT)
a další
URL
Klíčová slova

few-shot učení, klasifikátor, identifikace kauzálnych relací,  identifikace kauzálnych udalostí, ensembling

Abstrakt

V tomto článku popisujeme naši účast na dílčím úkolu 1 CASE-2022, Event Causality Identification with Casual News Corpus. Úlohu identifikace kauzálních vztahů (CRI) řešíme využitím sady jednoduchých, ale komplementárních technik pro jemné ladění jazykových modelů (LM) na malém počtu anotovaných příkladů (tj. konfigurace několika snímků). Při dolaďování LM se řídíme přístupem založeným na promptní predikci, ve kterém je úloha CRI považována za problém maskovaného jazykového modelování (MLM). Tento přístup umožňuje LM nativně předem vyškoleným na problémy MLM přímo generovat textové odpovědi na výzvy specifické pro CRI. Porovnáváme výkon této metody s technikami souboru trénovanými na celém souboru dat. Naše nejvýkonnější podání bylo vyladěno pouze 256 instancemi na třídu, což je 15,7 % všech dostupných údajů, a přesto získalo druhou nejlepší přesnost (0,82), třetí nejlepší přesnost (0,82) a skóre F1 (0,85) velmi blízko tomu, co uvedl vítězný tým (0,86).

Rok
2022
Strany
61-69
Sborník
Proceedings of the 5th Workshop on Challenges and Applications of Automated Extraction of Socio-political Events from Text (CASE 2022)
Konference
Conference on Empirical Methods in Natural Language Processing, Abu Dhabi, AE
ISBN
978-1-959429-05-0
Vydavatel
Association for Computational Linguistics
Místo
Abu Dhabi, AE
DOI
10.18653/v1/2022.case-1.9
EID Scopus
2-s2.0-85152898569
BibTeX 
@INPROCEEDINGS{FITPUB12839,
   author = "Sergio Burdisso and Martin Faj\v{c}\'{i}k and Pavel Smr\v{z} and Petr Motl\'{i}\v{c}ek and et al.",
   title = "IDIAPers @ Causal News Corpus 2022: Efficient Causal Relation Identification Through a Prompt-based Few-shot Approach",
   pages = "61--69",
   booktitle = "Proceedings of the 5th Workshop on Challenges and Applications of Automated Extraction of Socio-political Events from Text (CASE 2022)",
   year = 2022,
   location = "Abu Dhabi, AE",
   publisher = "Association for Computational Linguistics",
   ISBN = "978-1-959429-05-0",
   doi = "10.18653/v1/2022.case-1.9",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/12839"
}
Nahoru