基于提示学习的中文文本分类方法探究

作     者：蔡飞 宋城宇 王思远 李佩宏 林可菁 CAI Fei;SONG Chengyu;WANG Siyuan;LI Peihong;LIN Kejing

作者机构：国防科技大学信息系统工程重点实验室长沙410073 中国人民大学信息资源管理学院北京100872 

出 版 物：《火力与指挥控制》 (Fire Control & Command Control)

年 卷 期：2023年第48卷第10期

页      面：198-203,211页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：提示学习 文本分类 预训练语言模型 

摘      要：自动文本分类方法是当前信息化和数据化时代处理非结构化信息的基本方法,是提升决策系统智能化程度的关键技术手段。近年来,由于其在小样本领域以及迁移学习方面的优异性能,基于提示学习的文本分类方法逐渐被广泛应用于一系列自然语言处理任务上。然而,当前对基于提示学习的方法仍集中于英文领域。英文和中文在语义、文法上的巨大差异性,基于提示学习的分类方法能否在中文任务中提高模型性能仍然有待探索。因此,使用中文基线数据集CLUE中多个分类任务对基于提示学习的文本分类方法性能进行实验验证。结果表明,基于提示学习的分类方法在多种分类任务上都表现出了较基线更强的性能,在不同的输入长度以及标签数量设置下也具有较强的鲁棒性。