【元学习 | 论文】元学习与动态记忆为基础的原型网络的小样本突发事件检测，浙江大学，阿里巴巴

论文题目： Meta-Learning with Dynamic-Memory-Based Prototypical Network for Few-Shot Event Detection

摘要： 事件检测(Event detection, ED)是事件抽取的一个子任务，包括识别触发器和对事件提及进行分类。现有的方法主要依赖于监督学习，并且需要大规模的带标记的事件数据集，不幸的是，这些数据集在许多实际的应用场景中并不容易获得。在本文中，我们将在有限标记数据条件下的ED任务考虑为一个小概率学习问题。提出了一种基于动态记忆的原型网络(DMB-PN)，该网络利用动态记忆网络(DMN)不仅能更好地学习事件类型的原型，而且能对事件提及产生更健壮的句子编码。与传统的通过平均计算事件原型的网络不同，我们的模型更健壮，并且由于DMNs的多跳机制，能够多次从事件提及中提取上下文信息。实验结果表明，DMB-PN不仅比一系列基线模型更能有效地处理样本稀缺问题，而且在事件类型变化较大、实例数量极少时表现得更为稳健。

作者： Shumin Deng, Ningyu Zhang, Jiaojian Kang, Yichi Zhang, Wei Zhang, Huajun Chen