Few-Shot Sequence Labelingのための強化されたスパンベース分解法

少数ショットシーケンスラベリング（FSSL）は、命名エンティティ認識やスロットフィルリングなどのタギングモデルが、新たなリソースが限られたドメインに対して一般化するための代表的な枠組みである。近年、メトリックベースのメタラーニングフレームワークがFSSLにおける有望なアプローチとして注目されている。しかし、これまでの多くの研究では、各トークンに対してトークンレベルの類似度に基づいてラベルを割り当てる手法が採用されており、命名エンティティやスロットの整合性（整合性）を無視するという課題が存在する。この問題に対処するため、本稿ではFSSLをスパンレベルでのマッチング問題として定式化する「Enhanced Span-based Decomposition（ESD）」を提案する。ESDは、テストクエリとサポートインスタンスの間でスパンレベルのマッチングを実現する。具体的には、スパンマッチング問題を、強化されたスパン表現の構築、クラスプロトタイプの集約、スパン間の競合の解決という一連のスパンレベルの処理に分解する。広範な実験の結果、ESDは代表的なFSSLベンチマークであるFewNERDおよびSNIPSにおいて、新たな最先端の性能を達成し、ネスト構造やノイズが存在するタギング状況においても高いロバスト性を示した。本研究のコードは、https://github.com/Wangpeiyi9979/ESD にて公開されている。