COLING2022 & EMNLP2022 | 自然语言推理

本篇主要介绍两篇自然语言推理(Natural Language Inference,NLI)相关的⽂章，第一篇用自然语言推理做零样本学习(Zero-shot Learning,ZSL)，第二篇将半监督学习(Semi-supervised learning,SSL)方法应用到自然语言推理。

文章概览

1.Natural Language Inference Prompts for Zero-shot Emotion Classification in Text across Corpora

基于自然语言推理Prompts的零样本情感分类

论文地址：https://aclanthology.org/2022.coling-1.592.pdf

本文把文本情感分类任务转为自然语言推理任务，使用零样本学习的范式获得具有灵活标签集的模型，同时不需要任何有标签的训练数据，文中重点研究如何提示(prompt)一个零样本情感分类的自然语言推理模型。

2.Learning to Infer from Unlabeled Data: A Semi-supervised Learning Approach for Robust Natural Language Inference

从无标签数据中学习推理：一种自然语言推理的半监督学习方法

论文地址：https://arxiv.org/abs/2211.02971v1 (Accepted in EMNLP 2022 (Findings))

本文通过对低资源NLI数据集采用半监督学习的方法，利用无标签的数据进行训练来减少对人类注释的依赖，文中使用SOTA的条件语言模型来生成无标签前提的假设。

阅读详情

内容中包含的图片若涉及版权问题，请及时与我们联系删除