Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack Kontrastief Nuwe- Shot Leer vir Kruis- Domein Slot Opvulling met Adversariale Attack ምርጫዎች التعلم التباين الصفري لملء الفتحات عبر المجالات بهجوم عدائي Qarşılıq Saldırıyla doldurulmuş Sıfır-Shot Öyrənməsi Контрастивно обучение с нулев изстрел за запълване на слотове с противоречива атака ক্রস-ডোমেইন স্লোটের জন্য যুক্তিগত শিক্ষা Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack Kontrastivno učenje nula pucnjave za krstodomena slota napunjenje napredovanim napadom L'aprenentatge contra zero de dispars per llençar slots de domini transversal amb atac adversari Kontrastivní Zero-Shot učení pro naplnění slotů mezi doménami nepřátelským útokem Kontrastiv Zero-Shot læring for cross-domæne slot fyldning med adversarial angreb Kontrastives Zero-Shot-Lernen für domänenübergreifende Slot-Füllung mit feindlichem Angriff Αντιστατική εκμάθηση μηδενικού πυροβολισμού για την πλήρωση αυλακώσεων μεταξύ τομέων με αντίπαλη επίθεση Aprendizaje de tiro cero contrastante para llenar espacios entre dominios con ataques adversarios Kontrastiline null-shot õppimine domeenidevahelise pesa täitmiseks vastandliku rünnakuga آموزش صفر-شلیک متفاوتی برای مطالعه دامنههای متفاوت با حمله متفاوتی Kontrastinen Zero-Shot -oppiminen verkkotunnusten välisen kolikkopelin täyttämiseen adversariaalisella hyökkäyksellä Apprentissage Zero-Shot contrastif pour le remplissage d'emplacements interdomaines avec attaque contradictoire Foghlaim chodarsnachta Zero-shot le haghaidh Sliotán Tras-Fearainn a Líonadh le Ionsaí Sáraíochta @ action ללמוד אפס-יריות נגדנית למלאי ארגזי דרך שדה עם התקפה נגידה प्रतिकूल हमले के साथ क्रॉस-डोमेन स्लॉट भरने के लिए कंट्रास्टिव जीरो-शॉट लर्निंग Kontrastivno učenje nula pucnjave za krstodomena slota napunjenje napredovanim napadom Kontrasztív nulla lövéses tanulás a tartományokon átnyúló nyerőgépek ellentétes támadással Հակառակ զրո-կրակի սովորելը հակառակ հարձակումներով Kontrastif Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack Apprendimento contrastante Zero-Shot per Slot Cross-Domain Riempimento con Attacco Adversario 対抗攻撃によるクロスドメインスロット充填のためのコントラストゼロショット学習 contraststive nulo-shot Learning for krus-domain slot filling with Advertorial Attack კონტრესტიური Zero-Shot ნასწავლება კრონტრესომინური სლოტის შესამყავებლად კონტრესტრიალური ნაოცემებით Көрсетілген доменнің слоттарын толтыру үшін контрастырмалы нөл- түсірілген оқыту 대항 공격 하 크로스 타임 채워진 대비 제로 사격 학습 Kontrastinis neišsamus mokymasis tarpdomeniniams laiko tarpsniams užpildyti prieštaringais atakais Контрастивно нуларно учење за крстодомен полнење на слотови со непријателски напад ക്രോസ്- ഡോമെയിന് സ്ലോട്ട് നിറയ്ക്കുന്നതിനുള്ള വിലാസപൂര്ണ്ണമായ പൂജ്യത്തിലെ വെടിവുകള് പഠിപ്പിക Төрсөлдөг Нөлөө-Shot суралцах нь Дөрсөлдөг Домены Слот Дүүрэлтэй Pelajaran Zero-Shot Kontrastif untuk Penisi Slot Salib Domain Dengan Serangan Berlawan Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack Contrastieve Zero-Shot Leren voor Cross-Domain Slot Vulling met Adversarial Attack Kontrastiv null-skytte læring for krysdomeneslot fylling med rekursarialt Attack Kontrastywne uczenie się zerowo-strzałowe dla wypełniania gniazd między domenami atakiem przeciwnym Aprendizado Contrastivo Zero-Shot para Preenchimento de Slots entre Domínios com Ataque Adversarial Învățare contrastivă Zero-Shot pentru umplerea sloturilor cross-domain cu atac adversar Контрастное обучение с нулевым выстрелом для заполнения междоменных слотов сопернической атакой ක්රොස් ඩෝමේන් ස්ලෝට් පුරවන්න ප්රතික්රියාත්මක සීරෝ වෙඩි ඉගෙනගන්න Kontrastno učenje ničelnega strela za polnjenje rež med domenami z neželenim napadom Waxbarashada iskuullada iskuulka ah ee iskuulka laabashada-Domain buuxinaya Attack-Adversarial Mësimi i Kontrastshëm Zero-Shot për Slot Përmbushje me sulm kundërshtar Kontrastivno učenje nula pucnjave za krstodomena slota punjenje naprednih napada Kontrastivt Zero-Shot lärande för cross-domain slot fylld med Adversarial Attack Kujifunza mashindano yasiyo na msimamo wa kisasa kwa ajili ya Slotti ya Kusini na Kujaza kwa Shambulio la Kigaidi க்ராஸ்- டோமைன் சுற்றுக்கான தொடர்புடைய சூட்டு கற்றுக்கொடு Ullanyş Salyk bilen Dolamak üçin kontrast Zero-Taýdan öwrenmek Cross-Domain Slot کے لئے کنٹرسٹیف Zero-Shot سکونت Name Tương phản học Zero-Shot để xuyên miền lấp đầy vị trí chờ trở lại. 比零射之学,以对抗性攻跨域插槽充之
Keqing He, Jinchao Zhang, Yuanmeng Yan, Weiran Xu, Cheng Niu, Jie Zhou
Abstract
Zero-shot slot filling has widely arisen to cope with data scarcity in target domains. However, previous approaches often ignore constraints between slot value representation and related slot description representation in the latent space and lack enough model robustness. In this paper, we propose a Contrastive Zero-Shot Learning with Adversarial Attack (CZSL-Adv) method for the cross-domain slot filling. The contrastive loss aims to map slot value contextual representations to the corresponding slot description representations. And we introduce an adversarial attack training strategy to improve model robustness. Experimental results show that our model significantly outperforms state-of-the-art baselines under both zero-shot and few-shot settings.Abstract
Nul-skoot-slot opvulling het baie opgestaan om te koppel met data skande in doel domeine. Maar voorige toegang het dikwels geignoreer beheinings tussen slot waarde voorstelling en verwante slot beskrywing voorstelling in die latente ruimte en ontbreek genoeg model robustheid. In hierdie papier, voorstel ons 'n kontrastiewe Zero-Shot Leer met Adversarial Attack (CZSL-Adv) metode vir die kruisdomein slot vul. Die kontrastiewe verlies bepaal om te kaart slot waarde contextual voorstellings na die ooreenstemmende slot beskrywing voorstellings. En ons introduseer 'n teëstandige aanval-oefening strategie om model kragtigheid te verbeter. Eksperimentele resultate wys dat ons model betekeurig uitvoer staat-van-kuns-basisline onder beide zero-skoot en paar-skoot-instellings.Abstract
ዶሴ `%s'ን ማስፈጠር አልተቻለም፦ %s ምንም እንኳን፣ የቀድሞው ደረጃዎች ብዙ ጊዜ የደረጃ ክፍተት እና የደረጃ ግንኙነትን በመቀናኛው ቦታ እና በሞዴል ልብስ የጎደለውን ግንኙነት ይተዋል፡፡ በዚህ ፕሮግራም፣ የክፍለ አካባቢ መብት (CZSL-Adv) ሥርዓት የክፍለ ስርዓት መሞላውን የተቃውሞ የጽዮ-Shot ማራትን እናሳልቃለን፡፡ የደረጃ ምርጫዎች እናም የተቃዋሚ የጦር መሣሪያን የሞዴል ልብስ ለማሻለል strategy እናሳውቃለን፡፡ ፈተና ፍሬዎች በክስተት እና በጥቂት ነጥብ መስመር ውስጥ ሞዴሌዎቻችን የ-የ-የ-የ-art መሠረት ግንኙነታችንን የሚያሳየው ነው፡፡Abstract
نشأ ملء الفتحة بدون طلقة على نطاق واسع للتعامل مع ندرة البيانات في المجالات المستهدفة. ومع ذلك ، غالبًا ما تتجاهل الأساليب السابقة القيود بين تمثيل قيمة الفتحة وتمثيل وصف الفتحة ذات الصلة في المساحة الكامنة وتفتقر إلى قوة النموذج الكافية. في هذه الورقة ، نقترح طريقة التعلم المتباين الصفري باستخدام هجوم عدائي (CZSL-Adv) لملء الفتحة عبر المجال. تهدف الخسارة التبادلية إلى تعيين التمثيلات السياقية لقيمة الفاصل الزمني لتمثيلات وصف الفاصل الزمني المقابلة. ونقدم إستراتيجية تدريب على الهجوم العدائي لتحسين قوة النموذج. تظهر النتائج التجريبية أن نموذجنا يتفوق بشكل كبير على أحدث خطوط الأساس في ظل كل من إعدادات اللقطة الصفرية والقليل من اللقطات.Abstract
Sıfır-atlı slot doldurulması məqsəd domeinlərində məlumatların zəif olmasını çəkmək üçün genişliyi artırdı. Ancaq əvvəlki tərəflər çox sıx slot qiyməti göstəricisi və əlaqəsiz slot tərəfdarlığı arasındakı müəyyənləşdirilməsini görməzlər və çox möhkəm modellərin istifadəsi yoxdur. Bu kağızda, qarşılaşdırma slotu doldurulması üçün bir kontrast Zero-Shot öyrənməsi (CZSL-Adv) metodu təklif edirik. Müxtəlif zəiflik, slot qiymətini müəyyən edilən slot qiymətlərinin göstərilmələrinə mapa etmək niyyətindədir. Və modelləri güclüyünü düzəltmək üçün düşmənçilik saldırma təhsil stratejisini tanıdırıq. Həqiqətən, təcrübə sonuçlarımız modellərimizin sıfır-vuruş və az-vuruş ayarlarının altında mövcuddur.Abstract
Пълненето на слотове с нулев изстрел е широко възникнало, за да се справи с недостига на данни в целевите домейни. Въпреки това, предишните подходи често игнорират ограниченията между представянето на стойността на слота и свързаното представяне на описанието на слота в латентното пространство и нямат достатъчно здравина на модела. В настоящата статия предлагаме метод за контрастивно обучение с нулев изстрел с рекламна атака (за запълване на слотове между домейни). Контрастивната загуба има за цел да картографира контекстуалните изображения на стойността на слота към съответните изображения на описанието на слота. И въвеждаме стратегия за трениране на атака срещу конкуренция, за да подобрим здравината на модела. Експерименталните резултати показват, че нашият модел значително превъзхожда най-съвременните базови линии при настройките за нулеви и няколко снимки.Abstract
টার্গেট ডোমেনের তথ্যের ক্ষতির সাথে মুছে ফেলার জন্য শূণ্যগুলো স্লোট ফোল্ডার ব্যাপকভাবে উঠেছে। তবে পূর্ববর্তী পদক্ষেপ প্রায়শই স্লোট মানের প্রতিনিধিত্ব এবং সম্পর্কিত স্লোটের বর্ণনা সাম্প্রতিক স্থানে প্রতিনিধিত্ এই কাগজটিতে আমরা প্রস্তাব করি যে ক্রিস্টোমেইন স্লোট পূর্ণ করার জন্য একটি কন্ট্রেসিটিভ জিরো-শুট শিক্ষা দিয়েছি। বিরোধীতা ক্ষতির লক্ষ্য হচ্ছে স্লোটের প্রতিনিধিত্বের প্রতিনিধিত্বের মানচিত্র মানচিত্র। এবং আমরা একটি বিরোধী আক্রমণের প্রশিক্ষণ কৌশল পরিচালনা করিয়ে দিচ্ছি মডেলের রোবাস্তবতা উন্নত করার জন্য। পরীক্ষার ফলাফল দেখাচ্ছে যে আমাদের মডেল গুরুত্বপূর্ণ শিল্পের রাষ্ট্র-অফ-শিল্পের বেসেলাইনের নীচে শূন্য গুলি এবং কয়Abstract
སྤྱིར་བཏང་བའི་གནས་སྟངས་སྟོང་ཞིང་ཡོད་པ་ལ་དམིགས་ཡུལ་གནས་སྟངས་ཉམས་འབྱུང་བ་རེད། ཡིན་ནའང་། སྔོན་ལྟའི་གནད་སྡུད་གྲངས་སྟོན་པར་དང་འབྲེལ་བའི་སྒོ་སྒྲིག་འགོད་ཀྱི་བར་སྟོང In this paper, we propose a Contrastive Zero-Shot Learning with Adversarial Attack (CZSL-Adv) method for the cross-domain slot filling. གདོང་བསྐྱེད་པའི་བསམ་བློ་གཏད་དམིགས་ཡུལ་ནི་ས་གནས་སྟངས་གནས་སྟངས ང་ཚོས་གདོང་ལེན་བྱེད་མཁན་གྱི་གདོང་ལེན་གྱི་སྒྲུབ་གཏོང་གི་ཐབས་ལམ་ལུགས་སྟོན་བྱེད་ཀྱི་ཡོད། Experimental Results show that our model significantly performs the state-of-the-art baselines under zero-shot and few-shot settings.Abstract
Punjenje nule snimke široko se pojavilo kako bi se suočilo sa nedostatkom podataka u ciljnim domenama. Međutim, prethodni pristupi često ignoriraju ograničenja između predstavljanja vrijednosti slota i predstavljanja povezanog opisa slota u latentnom prostoru i nedostaju dovoljno model robustnosti. U ovom papiru predlažemo kontrastivno učenje nulo-pucnjave s metodom Adversarialnog napada (CZSL-Adv) za napunjenje slot a preko domena. Kontrastivni gubitak je cilj mapirati kontekstualne predstave vrijednosti slota na odgovarajuće predstave opisa slota. I predstavljamo strategiju za obuku protivnika napada kako bi poboljšali model snagu. Eksperimentalni rezultati pokazuju da naš model značajno iznosi početne linije u području nule snimanja i nekoliko snimanja.Abstract
El rellenç d'espais de zero fotografies ha sorgit en gran medida per afrontar l'escassetat de dades en dominis d'objectiu. No obstant això, els enfocaments anteriors sovint ignoren les restriccions entre la representació del valor del slot i la descripció del slot relacionada a l'espai latent i careixen de suficient robustet del model. En aquest article, proposem un mètode d'aprenentatge contra zero amb atac adversari (CZSL-Adv) per al rellenç d'espais de domini cruz. La pèrdua contrastiva mira a mapejar les representacions contextuals del valor del slot a les descripcions correspondents del slot. I introduïm una estratègia d'entrenament d'atacs adversaris per millorar la robustet del model. Els resultats experimentals mostren que el nostre model supera significativament les línies de base de l'última generació sota la configuració de fotografies zero i pocs fotografies.Abstract
Nulové vyplnění slotů se široce objevilo, aby se vyrovnalo s nedostatkem dat v cílových doménách. Předchozí přístupy však často ignorují omezení mezi reprezentací hodnot slotu a související reprezentací popisu slotu v latentním prostoru a postrádají dostatečnou robustnost modelu. V tomto článku navrhujeme metodu kontrastivního nulového učení s nepříznivým útokem (CZSL-Adv) pro naplnění slotů mezi doménami. Kontrastní ztráta si klade za cíl mapovat kontextové reprezentace hodnot slotu na odpovídající reprezentace popisu slotu. A představujeme strategii tréninku protivníků pro zlepšení robustnosti modelu. Experimentální výsledky ukazují, že náš model výrazně překonává nejmodernější základní linie v nastavení nulového i několika záběrů.Abstract
Zero-shot slot fyldning er bredt opstået for at håndtere dataknaphed i måldomæner. Tidligere fremgangsmåder ignorerer dog ofte begrænsninger mellem repræsentation af slot værdi og relateret slot beskrivelse repræsentation i det latente rum og mangler tilstrækkelig model robusthed. I denne artikel foreslår vi en kontrastiv Zero-Shot Learning with Adversarial Attack (CZSL-Adv) metode til udfyldning af slots på tværs af domæner. Det kontrastive tab har til formål at kortlægge slot værdi kontekstuelle repræsentationer til de tilsvarende slot beskrivelse repræsentationer. Og vi introducerer en adversary angreb træningsstrategi for at forbedre model robusthed. Eksperimentelle resultater viser, at vores model overgår væsentligt state-of-the-art baselines under både nulskud og få skud indstillinger.Abstract
Zero-Shot-Slot-Füllung ist weit verbreitet, um Datenknappheit in Zieldomänen zu bewältigen. Bisherige Ansätze ignorieren jedoch häufig Einschränkungen zwischen Slot-Wert-Darstellung und zugehöriger Slot-Beschreibung-Darstellung im latenten Raum und es fehlt an ausreichender Modellstabilität. In diesem Beitrag schlagen wir eine Contrastive Zero-Shot Learning with Adversarial Attack (CZSL-Adv) Methode zur domänenübergreifenden Slot-Füllung vor. Der kontrastive Verlust zielt darauf ab, Slot-Wert-Kontextdarstellungen den entsprechenden Slot-Beschreibungen zuzuordnen. Und wir führen eine gegnerische Angriffstrainingstrategie ein, um die Robustheit des Modells zu verbessern. Experimentelle Ergebnisse zeigen, dass unser Modell sowohl bei Null- als auch bei Wenig-Schuss-Einstellungen die modernsten Baselines deutlich übertrifft.Abstract
Η πλήρωση αυλακώσεων μηδενικού πυροβολισμού έχει εμφανιστεί ευρέως για να αντιμετωπίσει την έλλειψη δεδομένων στους τομείς στόχων. Ωστόσο, οι προηγούμενες προσεγγίσεις συχνά αγνοούν τους περιορισμούς μεταξύ της αναπαράστασης τιμών αυλακώσεων και της σχετικής αναπαράστασης περιγραφής αυλακώσεων στον λανθάνοντα χώρο και στερούνται αρκετής ανθεκτικότητας του μοντέλου. Στην παρούσα εργασία, προτείνουμε μια μέθοδο για τη συμπλήρωση αυλακώσεων μεταξύ τομέων. Η αντιδιαστατική απώλεια στοχεύει να χαρτογραφήσει τις περιεκτικές αναπαραστάσεις τιμών αυλακώσεων στις αντίστοιχες αναπαραστάσεις περιγραφής αυλακώσεων. Και εισάγουμε μια στρατηγική εκπαίδευσης αντίπαλης επίθεσης για να βελτιώσουμε την ανθεκτικότητα του μοντέλου. Τα πειραματικά αποτελέσματα δείχνουν ότι το μοντέλο μας ξεπερνά σημαντικά τις τελευταίες γραμμές βάσης τόσο σε ρυθμίσεις μηδενικής βολής όσο και σε ρυθμίσεις λίγων βολών.Abstract
El llenado de ranuras cero ha surgido ampliamente para hacer frente a la escasez de datos en los dominios de destino. Sin embargo, los enfoques anteriores a menudo ignoran las restricciones entre la representación del valor de ranura y la representación de descripción de ranura relacionada en el espacio latente y carecen de suficiente robustez del modelo. En este artículo, proponemos un método Contrastive Zero-Shot Learning with Adversarial Attack (CZSL-Adv) para el llenado de espacios entre dominios. La pérdida por contraste tiene como objetivo mapear las representaciones contextuales de valores de ranura a las representaciones de descripción de ranura correspondientes. Además, introducimos una estrategia de entrenamiento para ataques adversarios para mejorar la solidez del modelo. Los resultados experimentales muestran que nuestro modelo supera significativamente las líneas de base de última generación tanto en configuraciones de tiro cero como de pocos disparos.Abstract
Null-shot slot täitmine on laialdaselt tekkinud, et toime tulla andmepuudusega sihtdomeenides. Siiski ignoreerivad varasemad lähenemisviisid sageli piiranguid teenindusaja väärtuse esitamise ja seotud teenindusaja kirjelduse esitamise vahel latentses ruumis ning puuduvad piisavalt mudeli tugevus. Käesolevas töös pakume välja kontrastiivse null-shot õppe adversariaalse rünnakuga (CZSL-Adv) meetodi domeenidevahelise pesade täitmiseks. Kontrastilise kao eesmärk on kaardistada pesa väärtuse kontekstilised esitused vastavatele pesa kirjelduse esitustele. Ja me tutvustame vastase rünnaku treeningstrateegiat mudeli tugevuse parandamiseks. Eksperimentaalsed tulemused näitavad, et meie mudel suudab oluliselt ületada tipptasemel baasjooni nii null- kui ka vähese pildi seadetes.Abstract
پر کردن نقطههای صفر به وسیلهی گستردهای برای حل با کمبود دادهها در دامنهای هدف افتاده است. با این وجود، تقریبا پیشینیان اغلب محدودیت بین نمایش ارزش slot و توضیح محدودیت مربوط به محدودیت محدودیت در فضای latent را نادیده میگیرند و به اندازه کافی مدل قوی را نادیده میگیرند. در این کاغذ، ما پیشنهاد میکنیم که با حمله مخالفی (CZSL-Adv) برای پر کردن نقطههای مخالفی دامنهای یادگیری کنترستی صفر-Shot کنترستی کنیم. خسارت متفاوتی هدف برای نقشه نمایشهای متفاوتی ارزش slot به نمایشهای توصیف slot متفاوت است. و ما یک استراتژی آموزش حمله دشمنی را معرفی می کنیم تا مدل قوی را بهبود دهیم. نتیجههای تجربهی ما نشان میدهند که مدل ما خیلی زیادی از خطوطهای بنیادیهای هنری را تحت تغییرات صفر و چند شلیکها انجام میدهد.Abstract
Zero-shot slot täyttö on laajalti noussut käsittelemään datan niukkuutta kohdealueilla. Aiemmat lähestymistavat kuitenkin usein sivuuttavat rajoitteet slotin arvon esittämisen ja siihen liittyvän slotin kuvauksen esittämisen välillä piilevässä tilassa ja puuttuvat tarpeeksi mallin kestävyyttä. Tässä artikkelissa ehdotamme kontrastiivista nollashotin oppimista adversariaalisella hyökkäyksellä (CZSL-Adv) -menetelmää eri toimialueiden slottien täyttämiseen. Kontrastisen häviön tarkoituksena on kartoittaa slotin arvon kontekstuaaliset esitykset vastaaviin slotin kuvauksiin. Esittelemme vastustajan hyökkäysstrategian mallin kestävyyden parantamiseksi. Kokeelliset tulokset osoittavat, että mallimme suoriutuu merkittävästi huippuluokan perusviivoista sekä nolla- että muutaman kuvan asetuksissa.Abstract
Le remplissage des créneaux par injection zéro est largement apparu pour faire face à la rareté des données dans les domaines cibles. Cependant, les approches précédentes ignorent souvent les contraintes entre la représentation de la valeur des créneaux et la représentation de la description des créneaux associés dans l'espace latent et manquent de robustesse du modèle. Dans cet article, nous proposons une méthode d'apprentissage par tir zéro contrastif avec attaque adverse (CZSL-Adv) pour le remplissage des emplacements entre domaines. La perte de contraste vise à mapper des représentations contextuelles de valeur de créneau avec les représentations de description de créneau correspondantes. Nous introduisons également une stratégie de formation aux attaques contradictoires afin d'améliorer la robustesse du modèle. Les résultats expérimentaux montrent que notre modèle surpasse de manière significative les lignes de base de pointe, à la fois pour les réglages de tir zéro et de faible tir.Abstract
Tá líonadh sliotán gan urchar tagtha chun cinn go forleathan chun dul i ngleic le ganntanas sonraí i spriocfhearainn. Mar sin féin, is minic a dhéanann cineálacha cur chuige roimhe seo neamhaird ar na srianta atá idir léiriú luach sliotán agus léiriú tuairiscí sliotán gaolmhar sa spás folaigh agus easpa stóinseachta an mhúnla. Sa pháipéar seo, molaimid modh Foghlama Zero-Shot Codarsnacha le Ionsaí Sáraimh (CZSL-Adv) le haghaidh líonadh sliotán tras-fearainn. Tá sé mar aidhm ag an gcaillteanas codarsnachta léiriúcháin comhthéacsúla luach sliotán a mhapáil chuig na huiríll tuairiscí sliotán comhfhreagracha. Agus tugaimid isteach straitéis oiliúna um ionsaí sáraíochta chun stóinseacht na samhla a fheabhsú. Léiríonn torthaí turgnamhacha go sáraíonn ár samhail na bunlínte úrscothacha go mór faoi shuímh náid agus cúpla seat.Abstract
An sami filin slot-shot mai sifri don ya samu tsari da halin data cikin sauyen da aka yi amfani da. Amma, hanyoyin zaman su zaman su ƙyale tsarin a tsakanin kimar slot da kuma taƙaitar faɗilar slot masu husũma a cikin filin nan da suka ƙara kuma ba da maɓallin motsi mai isa. Ga wannan takardan, Munã buɗa wata shirin Filin Siro-Shirin da Muke karanta da Cikakken Attack (CZSL-Adv) wa cikakken slot-tarakin-Domin. Takacin da ke iya motsi ya yi amfani da karta kimar slot-mazaɓa da taƙaitaccen zuwa maɓallin faɗaɗa da ke daidai. Kuma za mu fara wani takikin tamko na shawara da ke motsi dõmin ya kyautata tufãtar misali. Matarin jarrabai ke nuna cewa misalinmu yana mai muhimmi outperforma halin-halin-kunna ƙarƙashin da za'a yi amfani da tsarin yin sifo da kaɗan.Abstract
מילוי שורות אפס התגלה באופן רחב כדי להתמודד עם חסר נתונים בתחומים המטרה. בכל אופן, גישות קודמות לעתים קרובות מתעלמות ממגבלות בין מייצג ערך המעצר ולמייצג תיאור המעצר הקשור במרחב הסתור ולא מספיק חזקה מודל. בעיתון הזה, אנו מציעים שיטת לימוד נוגדי אפס עם התקפה נוגדית (CZSL-Adv) למלאי השער. האובדן ההתנגדי מכוון למפות את הערך של הקונקסטוקטואלי של המגרש לתיאור הקונקסטוקטואלי של המגרש המתאים. ואנחנו מציגים אסטרטגיה לאימון תקיפה יריבית לשפר את החזקת המודל. תוצאות ניסויים מראות שהמודל שלנו יוצא משמעותית מעל קווי הבסיס המאוחרים תחת התקנות של אפס-יריות ומעט-יריות.Abstract
शून्य-शॉट स्लॉट भरने व्यापक रूप से लक्ष्य डोमेन में डेटा की कमी का सामना करने के लिए उत्पन्न हुआ है। हालांकि, पिछले दृष्टिकोण अक्सर अव्यक्त स्थान में स्लॉट मूल्य प्रतिनिधित्व और संबंधित स्लॉट विवरण प्रतिनिधित्व के बीच बाधाओं को अनदेखा करते हैं और पर्याप्त मॉडल मजबूती की कमी होती है। इस पेपर में, हम क्रॉस-डोमेन स्लॉट भरने के लिए प्रतिकूल हमले (CZSL-Adv) विधि के साथ एक Contrastive Zero-Shot Learning का प्रस्ताव करते हैं। contrastive हानि संबंधित स्लॉट विवरण अभ्यावेदन के लिए स्लॉट मान प्रासंगिक अभ्यावेदन मैप करने के लिए उद्देश्य है। और हम मॉडल मजबूती में सुधार करने के लिए एक प्रतिकूल हमले प्रशिक्षण रणनीति पेश करते हैं। प्रयोगात्मक परिणामों से पता चलता है कि हमारा मॉडल शून्य-शॉट और कुछ-शॉट सेटिंग्स दोनों के तहत अत्याधुनिक आधार रेखाओं को काफी हद तक मात देता है।Abstract
Punjenje mjesta nule pucnjave široko se pojavilo kako bi se suočilo s nedostatkom podataka u ciljnim domenama. Međutim, prethodni pristupi često ignoriraju ograničenja između predstavljanja vrijednosti slota i povezanog opisa slota u latentnom prostoru i nedostaju dovoljno robustnosti modela. U ovom papiru predlažemo kontrastivno učenje nulo-pucnjave s metodom oporučnog napada (CZSL-Adv) za ispunjavanje kroz domenu slova. Kontrastivni gubitak je cilj mapirati kontekstualne predstave vrijednosti slota na odgovarajuće predstave opisa slota. I predstavljamo strategiju za obuku protivnika napada kako bi poboljšali model snagu. Eksperimentalni rezultati pokazuju da naš model značajno iznosi početne linije u području nule snimanja i nekoliko snimanja.Abstract
A Zero-Shot slot töltése széles körben jelentkezett, hogy megbirkózzon a céltartományok adathűségével. A korábbi megközelítések azonban gyakran figyelmen kívül hagyják a résidő értékének ábrázolása és a kapcsolódó résidő leírásának ábrázolása közötti korlátozásokat a látens térben, és hiányoznak elegendő modellrobusztusságuk. Ebben a tanulmányban egy kontrasztív nulla lövéses tanulás Adversarial Attack (CZSL-Adv) módszert javasolunk a cross-domain slot töltésére. A kontrasztív veszteség célja, hogy a résidő érték kontextuális reprezentációit a megfelelő résidő leírásához térképezze fel. És bevezetünk egy ellenséges támadási kiképzési stratégiát a modell robusztusságának javítása érdekében. A kísérleti eredmények azt mutatják, hogy modellünk jelentősen felülmúlja a legkorszerűbb alapvonalakat, mind nullás, mind néhány lövéses beállítás mellett.Abstract
Զերոյի արտադրողների լրացումը լայնորեն առաջացել է, որպեսզի հաղթահարի նպատակային բնագավառների տվյալների բացակայությունը: Այնուամենայնիվ, նախորդ մոտեցումները հաճախ անտեսում են արժեքների արժեքների ներկայացման և կապված արժեքների նկարագրման սահմանափակումները թաքնված տարածքում և բավարար մոդելի ուժեղություն չունեն: Այս թղթի մեջ մենք առաջարկում ենք հակադրական զրո-կրակի սովորելը հակադրական հարձակումների (CZSla-AV) մեթոդը միջոցով բնակվող վայրերի լրացման համար: Կոնտրաստիվ կորուստը նպատակն է քարտեզագրել վայրի արժեքի կոնտեքստոնալ ներկայացումները համապատասխան վայրի նկարագրման ներկայացումների համար: Եվ մենք ներկայացնում ենք հակառակ հարձակումների ուսումնասիրության ռազմավարություն, որպեսզի բարելավենք մոդելը: Փորձարկվող արդյունքները ցույց են տալիս, որ մեր մոդելը նշանակալիորեն գերազանցում է ամենաբարձր հիմնական գծերը՝ զրոյի և քիչ նկարների ընթացքում:Abstract
Penisi slot 0-shot telah muncul secara luas untuk mengatasi kekurangan data dalam domain sasaran. However, previous approaches often ignore constraints between slot value representation and related slot description representation in the latent space and lack enough model robustness. Dalam kertas ini, kami mengusulkan metode Kontrastif Zero-Shot Learning dengan Adversarial Attack (CZSL-Adv) untuk mengisi slot cross-domain. Kehilangan kontras bermaksud untuk memetakan nilai slot representation kontekstual ke deskripsi slot yang cocok. Dan kami memperkenalkan strategi latihan serangan musuh untuk meningkatkan kekuatan model. Hasil eksperimen menunjukkan bahwa model kita jauh lebih berharga dari garis dasar state-of-the-art di bawah seting 0-shot dan beberapa-shot.Abstract
Il riempimento di slot zero-shot è ampiamente sorto per far fronte alla scarsità di dati nei domini target. Tuttavia, gli approcci precedenti spesso ignorano i vincoli tra la rappresentazione del valore dello slot e la relativa rappresentazione della descrizione dello slot nello spazio latente e mancano di sufficiente robustezza del modello. In questo articolo, proponiamo un metodo Contrastive Zero-Shot Learning with Adversarial Attack (CZSL-Adv) per il riempimento di slot cross-domain. La perdita contrastante mira a mappare le rappresentazioni contestuali del valore delle slot alle rappresentazioni corrispondenti della descrizione delle slot. E introduciamo una strategia di addestramento all'attacco avversario per migliorare la robustezza del modello. I risultati sperimentali mostrano che il nostro modello supera significativamente le linee di base all'avanguardia in entrambe le impostazioni zero-shot e pochi-shot.Abstract
ゼロショットスロット充填は、ターゲットドメインのデータ不足に対処するために広く発生しています。しかしながら、以前のアプローチは、潜在空間におけるスロット値表現と関連するスロット記述表現との間の制約を無視し、十分なモデルの堅牢性を欠くことが多い。本稿では、クロスドメインスロット充填のための対抗攻撃付きコントラストゼロショット学習（ CZSL - Adv ）法を提案する。対照的な損失は、スロット値のコンテキスト表現を対応するスロット記述表現にマッピングすることを目的とする。そして、モデルの堅牢性を向上させるための対抗攻撃訓練戦略を導入します。実験結果は、ゼロショットと数ショットの両方の設定で、当社のモデルが最先端のベースラインを大幅に上回っていることを示しています。Abstract
slot type slot type In this paper, we proposal a contraststive nulo-shot Learning with Advertorial Attack (CZ SL-Adv) method for the krus-domain slot filling. slot type Dhewe nganggep nggawe ngerasai perbudhakan kanggo tukang layang maning, ingkang ngerasai model. Perintah sing paling nggambar kuwi model sing dikarepaké duruh-kaluluh lan banjur-kaluluhAbstract
ნულ სტატის სტატის დაყენება ძალიან გამოიყენება, რომ მონაცემების შეუძლებელობა მიდგენისთვის მონაცემები. მაგრამ, წინა მიღება ძალიან იგნორიურება სლოტის მნიშვნელობის გამოსახულება და დაკავშირებული სლოტის გამოსახულების გამოსახულებაში და მოდელის ძალიან ძალიან მარტივია. ამ დომენტში ჩვენ მინდა კონტრესტიგური ნულ-სურათის სწავლებას კონტრესტიგური ნაკლებით (CZSL-Adv) მეტისთვის, რომელსაც კონტრესტიგური ნულ-სურათი გადატანა კონტრასტიური დაკავშირების მიზეზი, რომ კონტაქტიური მნიშვნელობის კონტექსტიური გამოსახულებებისთვის შესაძლებელი slot გამოსახულებებისთვის. და ჩვენ შევცვალოთ ნეპირატრიალური ატრუქციის სტრატიგია, რომელიც მოდელის ძალადობა უფრო მეტადება. ექსპერიმენტიური წარმოდგენა, რომ ჩვენი მოდელი მნიშვნელოვანად უფრო გავაკეთებს სიტყვების ფესტური ხაზები, რომლებიც ნულ სტატის და ნულ სტატისAbstract
Нөл- шотыр слотын толтыру мақсатты домендердің деректерінің қажеттілігін көмектесу үшін көбірек болды. Бірақ алдыңғы келесі келесі келесі орындағы слот мәндерін көрсету мен сәйкесті слот сипаттамасының шектеулерін елемейді және келесі үлгісінің жеткілігі жоқ. Бұл қағазда, біз көлемдегі слотты толтыру үшін контрастырмалы нөл-шектерді үйрену (CZSL-Adv) әдісін ұсынамыз. Контрастырлық жоғалу сәйкесті слоттың контекстік мәндерін сәйкесті слоттың сипаттамасын көрсетуге арналған. Біз қарсылық қарсылық бақылау стратегиясын келтіреміз. Эксперименталдық нәтижелері біздің моделіміздің кейбір нөл шарт мен кейбір шарт параметрлерінің негізгі сызықтарын жасайды.Abstract
목표 구역의 데이터 희소성에 대응하기 위해 제로 포의 틈새 충전이 광범위하게 나타나고 있다.그러나 기존의 방법은 잠재 공간에서의 틈새값 표시와 관련 틈새설명 표시 간의 제약을 소홀히 하고 충분한 모델 노봉성이 부족했다.본고에서 우리는 크로스 타임 갭을 채우는 대비 제로 사격 학습과 대항 공격(CZSL Adv) 방법을 제시했다.대비 손실은 틈새값 상하문 표시를 상응하는 틈새설명 표시에 비추는 데 목적을 둔다.모델의 노봉성을 높이기 위해 우리는 대항적인 공격 훈련 전략을 도입했다.실험 결과에 의하면 영포와 소포 두 가지 상황에서 우리의 모형은 모두 가장 선진적인 기선보다 현저히 우수하다는 것을 알 수 있다.Abstract
Siekiant pašalinti duomenų trūkumą tikslinėse srityse, atsirado didelių nulinių nuotolių užpildymo vietų. However, previous approaches often ignore constraints between slot value representation and related slot description representation in the latent space and lack enough model robustness. In this paper, we propose a Contrastive Zero-Shot Learning with Adversarial Attack (CZSL-Adv) method for the cross-domain slot filling. Kontrastinio nuostolio tikslas – nustatyti laiko tarpsnių vertės kontekstinius atvaizdus atitinkamiems laiko tarpsnių aprašymams. Ir mes pristatome priešingų puolimų mokymo strategiją, kad pagerintume modelio patikimumą. Eksperimentiniai rezultatai rodo, kad mūsų modelis gerokai viršija naujausias bazines linijas nuliniu ir nedideliu mastu.Abstract
Zero-shot slot filling has widely arisen to cope with data scarcity in target domains. Сепак, претходните пристапи честопати ги игнорираат ограничувањата помеѓу претставувањето на вредноста на слотот и поврзаното претставуваое на описот на слотот во latent space и недостасуваат доволна robustness на моделот. Во овој весник, предложуваме контрастивно нула-пукање со противнапад (CZSL-Adv) метод за полнување на слотови во крстодомените. Контрастивната загуба има за цел да ги мапира контекстните претставувања на вредноста на слотот на соодветните претставувања на описот на слотот. И воведуваме стратегија за обука на противниците за подобрување на моделот на силност. Експерименталните резултати покажуваат дека нашиот модел значително ги надминува најсовремените основни линии под поставувањата со нула и неколку снимки.Abstract
ലക്ഷ്യത്തിലെ ഡോമെന്സില് ഡേറ്റാ സാധ്യതയുടെ കൂടെ സംരക്ഷിക്കാന് ശൂന്യമായ സ്ലോട്ട് നിറയ്ക്കുന്നു. എങ്കിലും മുമ്പുള്ള അടുത്ത സ്ഥലത്തിന്റെ പ്രതിനിധിയും ബന്ധപ്പെട്ട സ്ലോട്ട് വിവരണങ്ങളുടെ പ്രതിനിധികളും അവഗണിക്കുന്ന നി ഈ പത്രത്തില് ഞങ്ങള് ക്രോഡോമെന് സ്ലോട്ട് നിറയ്ക്കുന്നതിനുള്ള ഒരു കോണ്ട്രാസ്റ്റേറിവ് സ്ലോട്ട് പഠിപ്പിക്കുന്നതാണ്. എതിര്ത്തുനില്ക്കുന്ന നഷ്ടത്തിന്റെ ലക്ഷ്യം സ്ലോട്ട് മൂല്യം പ്രതിനിധികളുടെ പ്രതിനിധികള്ക്ക് മാപ്പ് നമ്മള് ഒരു എതിരാളിയായ ആക്രമണത്തിന്റെ പരിശീലനത്തിന്റെ ട്രെയിനിജ്ഞാനം പരിചയപ്പെടുത്തുന്നു. പരീക്ഷണ ഫലങ്ങള് കാണിച്ചു കൊണ്ടിരിക്കുന്നു നമ്മുടെ മോഡല് പ്രധാനപ്പെട്ട സ്റ്റേറ്റ് ഓഫ് ആര്ട്ട് ബേസ്ലൈനുകളില് പൂAbstract
Нэг шофт дүүрэн нь зорилготой хэсэгт өгөгдлийн хамааралтай байдлаар ихэвчлэн орж ирсэн. Гэхдээ өмнөх арга зам нь слотын утгыг илэрхийлэх болон холбоотой слотын тодорхойлолтын хоорондох хязгаарлалтыг ихэвчлэн анзаарахгүй байдаг. Энэ цаасан дээр бид холбоотой нийтлэл дүүргэхийн тулд эсрэгчийн Zero-Shot суралцах (CZSL-Adv) арга замыг суралцаж байна. Төрсөлдөг алдагдал нь слотын утгыг харьцуулахын зорилго юм. Тэгээд бид эсэргүүцлийн дайралтын сургалтын стратегийг загварын чадварыг сайжруулахын тулд танилцуулдаг. Эмчилгээний үр дүнд бидний загвар нь 0-н зураг болон цөөн зураг зураг доор байдлын суурь шугам дээр илүү чухал байдаг.Abstract
Zero-shot slot filling has widely arisen to cope with data scarcity in target domains. Namun, pendekatan terdahulu sering abaikan keterangan diantara perwakilan nilai slot dan perwakilan keterangan slot berkaitan dalam ruang tersembunyi dan kekurangan kepekatan model yang cukup. Dalam kertas ini, kami cadangkan satu kaedah Pelajaran Zero-Shot Kontrastif dengan Serangan Adversarial (CZSL-Adv) untuk mengisi slot saling-domain. Kehilangan bertentangan bermaksud untuk peta perwakilan kontekstual nilai slot kepada perwakilan keterangan slot yang sepadan. And we introduce an adversarial attack training strategy to improve model robustness. Hasil eksperimen menunjukkan bahawa model kita secara signifikan melebihi garis dasar state-of-the-art di bawah kedua-dua tetapan 0-shot dan beberapa-shot.Abstract
Il-mili ta’ slots b’użu żero seħħew b’mod wiesa’ biex ilaħħqu mal-iskarsezza tad-dejta f’oqsma fil-mira. Madankollu, approċċi preċedenti spiss jinjoraw ir-restrizzjonijiet bejn ir-rappreżentazzjoni tal-valur tas-slots u r-rappreżentazzjoni relatata tad-deskrizzjoni tas-slots fl-ispazju moħbi u m’għandhomx biżżejjed robustezza tal-mudell. F’dan id-dokument, qed nipproponu metodu Kontrastiv ta’ Tagħlim Zero-Shot b’Attakk Adversarju (CZSL-Adv) għall-mili ta’ slots bejn id-dominji. It-telf kuntrastiv għandu l-għan li jimmappa r-rappreżentazzjonijiet kuntestwali tal-valur tas-slots għar-rappreżentazzjonijiet korrispondenti tad-deskrizzjoni tas-slots. U nintroduċu strateġija ta' taħriġ għall-attakki avversarji biex itejbu r-robustezza tal-mudell. Riżultati esperimentali juru li l-mudell tagħna jaqbeż b’mod sinifikanti l-linji bażi l-aktar avvanzati kemm taħt setturi b’żero-shot kif ukoll b’ftit shot.Abstract
Zero-shot slot vulling is op grote schaal ontstaan om dataschaarste in doeldomeinen aan te pakken. Eerdere benaderingen negeren echter vaak beperkingen tussen de weergave van sleuvenwerten en gerelateerde sleuvenbeschrijvingen in de latente ruimte en missen voldoende robuustheid van het model. In dit artikel stellen we een Contrastive Zero-Shot Learning with Adversarial Attack (CZSL-Adv) methode voor de cross-domein slot vulling voor. Het contrastieve verlies is bedoeld om contextuele representaties van slotwaarde in kaart te brengen aan de overeenkomstige representaties van slotbeschrijving. En we introduceren een aanvalstrainingsstrategie om de robuustheid van het model te verbeteren. Experimentele resultaten tonen aan dat ons model aanzienlijk beter presteert dan state-of-the-art baselines onder zowel zero-shot als few-shot instellingen.Abstract
Fylling av nullsatt plass har veldig oppstått for å kopla med data feil i måldområde. Men førre tilnærmingar ignorerer ofte begrensningar mellom plassverdirepresentasjonen og tilhøyrande plassverdiskildring i laterte plass og manglar nok modell kraftighet. I denne papiret foreslår vi ein kontrastiv null-skytt læring med rekursarialt Attack (CZSL-Adv) metode for å fylle krysdomeneplassen. Den kontrastende tapen må kartera plassverdiomskrivingsrepresentasjonane til den tilsvarande plassverdiomskrivingsrepresentasjonane. Og vi introduserer ein strategi for opplæring av mottakar for å forbedra modellen av kraftighet. Eksperimentale resultat viser at modellen vår betydelig utfører baselinjer under både null-bilde og få-bilde-innstillingar.Abstract
Wypełnianie slotów zerowych powstało powszechnie, aby poradzić sobie z niedoborem danych w domenach docelowych. Jednak poprzednie podejścia często ignorują ograniczenia między reprezentacją wartości slotu a powiązaną reprezentacją opisu slotu w przestrzeni utajonej i brakują wystarczającej solidności modelu. W niniejszym artykule proponujemy metodę kontrastywnego uczenia się zerowo-strzałowego z atakiem przeciwnym (CZSL-Adv) dla wypełniania slotów między domenami. Strata kontrastywna ma na celu mapowanie kontekstowych reprezentacji wartości slotu do odpowiednich reprezentacji opisu slotu. Wprowadzamy również strategię treningu ataków przeciwników, aby poprawić solidność modelu. Wyniki eksperymentalne pokazują, że nasz model znacznie przewyższa najnowocześniejsze linie bazowe zarówno w ustawieniach zero-shot, jak i kilku-shot.Abstract
O preenchimento de slot zero-shot surgiu amplamente para lidar com a escassez de dados nos domínios de destino. No entanto, as abordagens anteriores geralmente ignoram as restrições entre a representação do valor do slot e a representação da descrição do slot relacionado no espaço latente e carecem de robustez suficiente do modelo. Neste artigo, propomos um método Contrastive Zero-Shot Learning with Adversarial Attack (CZSL-Adv) para o preenchimento de slots entre domínios. A perda contrastiva visa mapear representações contextuais de valor de slot para as representações de descrição de slot correspondentes. E introduzimos uma estratégia de treinamento de ataque adversário para melhorar a robustez do modelo. Os resultados experimentais mostram que nosso modelo supera significativamente as linhas de base de última geração em configurações de tiro zero e poucos tiros.Abstract
Umplerea sloturilor zero-shot a apărut pe scară largă pentru a face față deficitului de date în domeniile țintă. Cu toate acestea, abordările anterioare ignoră adesea constrângerile dintre reprezentarea valorii sloturilor și reprezentarea descrierii sloturilor aferente în spațiul latent și lipsesc suficientă robustețe a modelului. În această lucrare, propunem o metodă Contrastivă Zero-Shot Learning with Adversarial Attack (CZSL-Adv) pentru umplerea sloturilor cross-domain. Pierderea contrastivă urmărește să mapeze reprezentările contextuale ale valorii sloturilor la reprezentările corespunzătoare descrierii sloturilor. Și introducem o strategie de antrenament de atac adversar pentru a îmbunătăți robustețea modelului. Rezultatele experimentale arată că modelul nostru depășește semnificativ liniile de bază de ultimă generație atât în setări zero, cât și în cele puține lovituri.Abstract
Широко распространено заполнение слотов с нулевым выстрелом для решения проблемы нехватки данных в целевых доменах. Однако предыдущие подходы часто игнорируют ограничения между представлением значения слота и соответствующим представлением описания слота в латентном пространстве и не хватает надежности модели. В этой статье мы предлагаем метод контрастного обучения с нулевым выстрелом с враждебной атакой (CZSL-Adv) для заполнения междоменных слотов. Контрастные потери направлены на сопоставление контекстных представлений значений слотов с соответствующими представлениями описания слотов. И мы внедряем стратегию обучения соперничающим атакам, чтобы повысить надежность модели. Экспериментальные результаты показывают, что наша модель значительно превосходит современные базовые линии при настройках как с нулевым, так и с малым выстрелом.Abstract
සීරෝ ශෝට් ස්ලෝට් පුරවන්න පුළුවන් වැඩියෙන් ඉලක්ක ඩෝමේන් වලට තොරතුරු අවස්ථාවක් සමග ප් නමුත්, පසුගින් අවස්ථාවක් ස්ලෝට් විශ්වාසය සහ සම්බන්ධ ස්ලෝට් විශ්වාසයෙන් ප්රතිනිධානය අතර අවස්ථාව මේ පත්තරේ අපි ප්රශ්නයක් සිරෝ වෙඩි තියෙන ප්රශ්නයක් ඉගෙන ගන්න ප්රශ්නයක් ප්රශ්නයක් කරනවා ක්රිස්ටස් ඩොමේන් ස්ලෝට් ස්ලෝට් විශේෂණය සම්බන්ධ විශේෂණය සඳහා ස්ලෝට් විශේෂණය සම්බන්ධ විශේෂණය සඳහා ස්ලෝට් වි ඒ වගේම අපි විරුද්ධ විරුද්ධ ප්රශ්නයක් ප්රශ්නය කරන්න ප්රයෝජනයක් ප්රවේශනය කරනවා මොඩ පරීක්ෂණාත්මක ප්රතිචාරයක් පෙන්වන්නේ අපේ මොඩේල් විශේෂයෙන් සුන්ධ වෙඩි තියෙන්නේ සුන්ධ වෙඩි තියෙනAbstract
Za obvladovanje pomanjkanja podatkov na ciljnih področjih se je pogosto pojavilo polnjenje rež z ničelnim strelom. Vendar pa prejšnji pristopi pogosto ignorirajo omejitve med predstavitvijo vrednosti rež in povezano predstavitvijo opisa rež v latentnem prostoru in nimajo dovolj robustnosti modela. V tem prispevku predlagamo metodo kontrastnega učenja ničelnega strela z adversarnim napadom (CZSL-Adv) za polnjenje rež med domenami. Namen kontrastne izgube je preslikati kontekstne predstavitve vrednosti reže na ustrezne predstavitve opisa reže. Za izboljšanje robustnosti modela smo uvedli strategijo za vadbo proti napadu. Eksperimentalni rezultati kažejo, da je naš model bistveno boljši od najsodobnejših osnovnih linij tako pri nastavitvah ničelnega kot pri nekaj posnetkih.Abstract
Bolshada jaranjarka lagu buuxiyo jaranjarka jaranjarada waxyaabaha lagu baahdo waxaa ku soo baxay mid aad u badan. However, previous approaches often ignore constraints between slot value representation and related slot description representation in the latent space and lack enough model robustness. Qoraalkan waxaan ka soo jeedaynaa qoraal-qori-Shot oo ku barta weerarka caawimaadda (CZSL-Adv) qaabka lagu buuxiyo qalabka gudaha. Khasaarka ka hor jeeda waxaa loola jeedaa karta qiimaha bannaanta ee joogtada ah ee lagu qorayo tilmaamaha sawirka sawirka. Waxaynu soo bandhignaynaa qoraal waxbarasho oo cadaawayaasha ah si aan u hagaajino dharka modelka. Imtixaanka waxaa muuqda in modellkayagu uu si muhiim ah u sameeyaa qoraalka farshaxanta iyo qoraalka nuurka lagu dhufto iyo wax yar oo lagu dhufto.Abstract
Plotësimi i slots zero-shot është rritur gjerësisht për të përballur me mungesën e të dhënave në domenat objektive. Megjithatë, qasjet e mëparshme shpesh injorojnë kufizimet midis përfaqësimit të vlerës së slot dhe përfaqësimit të përshkrimit të slot lidhur me të në hapësirën e fshehtë dhe mungon fuqia e mjaftueshme e modelit. Në këtë letër, ne propozojmë një metodë Kontrastive Zero-Shot Learning me Attack Adversarial (CZSL-Adv) për mbushjen e slots në transdomeni. Humbja kontrastive synon të hartojë përfaqësimet kontekstuale të vlerës së slot në përfaqësimet e përshkrimit të slot korrispondues. Dhe ne prezantojmë një strategji trajnimi kundërshtar sulmi për të përmirësuar fuqinë e modelit. Rezultatet eksperimentale tregojnë se modeli ynë tejkalon në mënyrë të konsiderueshme linjat bazë më të avancuara si nën rregullimet zero-shot ashtu edhe pak-shot.Abstract
Napunjavanje nule snimke široko se pojavilo kako bi se suoèilo sa nedostatkom podataka u ciljnim domenama. Međutim, prethodni pristupi često ignorišu ograničenja između predstavljanja vrijednosti slota i povezanog opisa slota u latentnom prostoru i nedostaje dovoljno robustnosti modela. U ovom papiru predlažemo kontrastivno učenje nulo-pucnjave sa metodom Adversarialnog napada (CZSL-Adv) za ispunjavanje slot a preko domena. Kontrastivni gubitak je cilj mapiranja kontekstualnih predstavljanja vrijednosti slota u odgovarajućim predstavljanjima opisa slota. I predstavljamo strategiju za obuku protivnika napada kako bi poboljšali model robotnosti. Eksperimentalni rezultati pokazuju da naš model značajno iznosi početne linije pod nulom snimanju i nekoliko snimanja.Abstract
Zero-shot slot fyllning har i stor utsträckning uppstått för att hantera databrist i måldomäner. Tidigare tillvägagångssätt ignorerar dock ofta begränsningar mellan representation av spelautomatsvärde och relaterad representation av spelautomatbeskrivning i det latenta utrymmet och saknar tillräckligt modellrobusthet. I denna uppsats föreslår vi en metod för kontrastiv noll-skott lärande med adversariattack (CZSL-Adv) för fyllning av spelautomater över domäner. Den kontrastiva förlusten syftar till att kartlägga kortvärdens kontextuella representationer till motsvarande kortbeskrivningar. Och vi introducerar en strategi för motståndskraftig attack utbildning för att förbättra modellens robusthet. Experimentella resultat visar att vår modell avsevärt överträffar state-of-the-art baslinjer under både noll-skott och få-skott inställningar.Abstract
Kujawa kwa risasi zisizo na risasi imetokea kwa kiasi kikubwa kulikabiliwa na ukosefu wa taarifa katika maeneo yanayolenga. Hata hivyo, hatua zilizopita mara nyingi hupuuza vikwazo kati ya uwakilishi wa thamani za kura na maelezo yanayohusiana na maelezo yanayohusiana na maelezo ya simu za mkononi katika nafasi ya hivi karibuni na kukosekana kwa mavazi ya kutosha. Katika gazeti hili, tunapendekeza njia ya Kujifunza Shambulio la Kigaidi (CZSL-Adv) kwa kutumia bomu la eneo hilo. Tatizo hilo linalenga ramani ya thamani ya slot kwa uwakilishi wa kisasa unaohusika. Na tunaanzisha mkakati wa mafunzo ya shambulio la upinzani wa kuboresha mavazi ya modeli. Matokeo ya majaribio yanaonyesha kuwa mifano yetu inafanya vizuri zaidi kwenye misingi ya hali ya sanaa chini ya mazingira yasiyo ya risasi na michache yaliyopigwa risasi.Abstract
குறிப்பிட்ட தளங்களில் தரவு சுருக்கத்தை நகலெடுக்க பூஜ்ஜியமான செருகுவாய் நிரப்பியுள்ளது. ஆயினும், முந்தைய நெறுங்குகள் பெரும்பாலும் செருகுவாய் மதிப்பு பிரதிநிதித்தல் மற்றும் சமீபத்திய வெளியீட்டு பிரதிந இந்த காக்கியத்தில், நாம் முறைமை களஞ்சும் களஞ்சு செருகுவாய்ப்பு நிரப்பும் முறையில் கற்றுக்கொள்ள ஒரு தொடர்பு பூஜ்ஜி- ஷாட் முற எதிர்பார்த்த நஷ்டத்திற்கு செருகுவாய் மதிப்பை வரைபடத்தில் பொருத்தமான செருகுவாய் விவரிப்பு குறிப்பி மாதிரி ஆடையை மேம்படுத்துவதற்கான ஒரு எதிரிய எதிர்காரணத்தை பயிற்சி திட்டத்தை நாம் அறிவிக்கும். முயற்சி முடிவுகள் காட்டுகிறது எங்கள் மாதிரி முக்கியமாக பூஜ்ஜியமாக சுட்டு மற்றும் சில சுட்டு அமைப்புகளுக்கு கீழ் உள்ளAbstract
Sıfır resim dolduruşy hedef alanlarynda maglumat ýetesine çözmek üçin kän bir şekilde üýtgedi. Ýöne öňki golaýlar köplenç slot mykdary temsilcisi we ýakynlaşyk slot waspy arasynda süýgütlenmeleri görmeýär. Bu kagyzda, karslot doldurmak üçin kontrast 0-Shot öwrenmek üçin bir nusgasy teklif ediyoruz. Maýyp faýllar Biz nusga çykyşlygyny örän güýçli şeklinde düzeltmek üçin tejribe salymy strategiýany tanyşdyrýarys. Durmanyň netijesi biziň nusgamyzyň çykyşyň durumyny zero-aty we biraz atly düzümlerniň aşagynda çykarýandygyny görkezýär.Abstract
Zero-shot slot filling has widespread rise to cope with data scarcity in target domains. لیکن، اگلوں کی تقریبا بہت سی موقعیت اسلوٹ کی مقدار نمایش اور رابطہ دار اسلوٹ کی تعریف کے درمیان محدودیت کو نادانی کرتی ہے اور کافی موڈل قوت کی کمی ہے. اس کاغذ میں ہم ایک کنٹرسٹیف صفر-شٹ کی تعلیم کرس-ڈومین لٹ بھرنے کے لئے پیشنهاد کرتے ہیں. The contrastive loss aims to map slot value contextual representations to the corresponding slot description representations. اور ہم ایک مقابلہ حملہ کی تدریس استراتژی کو پیش کریں گے کہ مدل مضبوطی کو زیادہ دکھائے۔ Experimental results show that our model significantly outperforms state-of-the-art baselines under both zero-shot and few-shot settings.Abstract
Name Lekin oldingi usullar ko'pincha slot qiymatini taʼminlashtirish va bogʻliq slot taʼriflarini keyingi boʻsh joyda taʼminlovchilarga eʼtibor berilmagan va yetarli model roʻyxati mavjud emas. Bu qogʻozda, biz cross-domen slot toʻldirish (CZSL-Adv) usulini o'rganishni davom qilamiz. Name Va biz model o'zgarishni o'zgartirish uchun foydalanuvchi taʼminlovchi strategiyasini anglatamiz. Tajriba natijalari esa modelimizning holatning asosiy asboblarini hech narsa yozilgan va bir necha shaklga moslamalar bilan bajaradi.Abstract
Việc điền vào các khe hở trường đã xuất hiện rộng rãi để đối phó với sự khan hiếm dữ liệu trong miền đích. Tuy nhiên, các phương pháp trước thường bỏ qua các giới hạn giữa sự đại diện Giá trị thời gian và mô tả thời gian tương tự trong vùng tiềm ẩn và thiếu đủ sức bền của mô hình. Trong tờ giấy này, chúng tôi đề nghị một phương pháp tương phản Zero-Shot Learning with adversarial Agack (CZZSL-Ad) cho việc lấp đầy vùng bỏ miền chéo. Sự mất mát tương phản nhằm đề bản đồ giá trị thời gian các biểu hiện liên tục với mô tả thời gian tương ứng. Và chúng tôi giới thiệu một chiến lược huấn luyện chống đối để cải thiện uy tín của mô-đun. Kết quả thí nghiệm cho thấy mẫu của chúng ta vượt trội hơn nhiều bản nền nghệ thuật dưới cả trường bắn và bắn ít.Abstract
零次插槽填已广,以应域中之数稀缺。 然前法常忽于空间中槽直示相关,且乏足鲁棒性。 本文中,立对抗性攻对零次学(CZSL-Adv)法,以跨域槽填之。 比损旨将槽直上下文映射相应。 又引入对抗性攻练方略,以崇模鲁棒性。 实验结果表明,零次少射设,皆明先基线。- Anthology ID:
- 2020.coling-main.126
- Volume:
- Proceedings of the 28th International Conference on Computational Linguistics
- Month:
- December
- Year:
- 2020
- Address:
- Barcelona, Spain (Online)
- Venue:
- COLING
- SIG:
- Publisher:
- International Committee on Computational Linguistics
- Note:
- Pages:
- 1461–1467
- Language:
- URL:
- https://aclanthology.org/2020.coling-main.126
- DOI:
- 10.18653/v1/2020.coling-main.126
- Bibkey:
- Cite (ACL):
- Keqing He, Jinchao Zhang, Yuanmeng Yan, Weiran Xu, Cheng Niu, and Jie Zhou. 2020. Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack. In Proceedings of the 28th International Conference on Computational Linguistics, pages 1461–1467, Barcelona, Spain (Online). International Committee on Computational Linguistics.
- Cite (Informal):
- Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack (He et al., COLING 2020)
- Copy Citation:
- PDF:
- https://aclanthology.org/2020.coling-main.126.pdf
- Data
- SNIPS
- Terminologies:
Export citation
@inproceedings{he-etal-2020-contrastive,
title = "Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack",
author = "He, Keqing and
Zhang, Jinchao and
Yan, Yuanmeng and
Xu, Weiran and
Niu, Cheng and
Zhou, Jie",
booktitle = "Proceedings of the 28th International Conference on Computational Linguistics",
month = dec,
year = "2020",
address = "Barcelona, Spain (Online)",
publisher = "International Committee on Computational Linguistics",
url = "https://aclanthology.org/2020.coling-main.126",
doi = "10.18653/v1/2020.coling-main.126",
pages = "1461--1467",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="he-etal-2020-contrastive">
<titleInfo>
<title>Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack</title>
</titleInfo>
<name type="personal">
<namePart type="given">Keqing</namePart>
<namePart type="family">He</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Jinchao</namePart>
<namePart type="family">Zhang</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Yuanmeng</namePart>
<namePart type="family">Yan</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Weiran</namePart>
<namePart type="family">Xu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Cheng</namePart>
<namePart type="family">Niu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Jie</namePart>
<namePart type="family">Zhou</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2020-12</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<relatedItem type="host">
<titleInfo>
<title>Proceedings of the 28th International Conference on Computational Linguistics</title>
</titleInfo>
<originInfo>
<publisher>International Committee on Computational Linguistics</publisher>
<place>
<placeTerm type="text">Barcelona, Spain (Online)</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<identifier type="citekey">he-etal-2020-contrastive</identifier>
<identifier type="doi">10.18653/v1/2020.coling-main.126</identifier>
<location>
<url>https://aclanthology.org/2020.coling-main.126</url>
</location>
<part>
<date>2020-12</date>
<extent unit="page">
<start>1461</start>
<end>1467</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings %T Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack %A He, Keqing %A Zhang, Jinchao %A Yan, Yuanmeng %A Xu, Weiran %A Niu, Cheng %A Zhou, Jie %S Proceedings of the 28th International Conference on Computational Linguistics %D 2020 %8 December %I International Committee on Computational Linguistics %C Barcelona, Spain (Online) %F he-etal-2020-contrastive %R 10.18653/v1/2020.coling-main.126 %U https://aclanthology.org/2020.coling-main.126 %U https://doi.org/10.18653/v1/2020.coling-main.126 %P 1461-1467
Markdown (Informal)
[Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack](https://aclanthology.org/2020.coling-main.126) (He et al., COLING 2020)
- Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack (He et al., COLING 2020)
ACL
- Keqing He, Jinchao Zhang, Yuanmeng Yan, Weiran Xu, Cheng Niu, and Jie Zhou. 2020. Contrastive Zero-Shot Learning for Cross-Domain Slot Filling with Adversarial Attack. In Proceedings of the 28th International Conference on Computational Linguistics, pages 1461–1467, Barcelona, Spain (Online). International Committee on Computational Linguistics.