【直播预告】SFFAI 116 语义关系分类专题
Few-shot分类方法只需要少量的训练实例就可以使分类器适应新的类别。最先进的元学习方法（例如MAML）学习如何从有限的实例中初始化和快速调整参数，这些方法在Few-shot分类中展现了优秀的结果。但是，现有的元学习模型仅依赖于隐式的基于实例的统计信息，因此存在实例不可靠和可解释性差的问题。本期我们邀请到来自清华大学的董博文同学，用一种新的元信息指导元学习（MIML）框架，解决了此类问题。
讲者介绍
董博文，清华大学计算机科学技术系本科生，主要研究方向是知识计算相关。
会议题目
元信息指导的元学习模型
会议摘要
为了解决这个问题，我们提出了一种新颖的元信息指导元学习（MIML）框架，使用类的语义概念为初始化和适应中的元学习提供了有力的指导。实际上，我们的模型可以在基于实例的信息和基于语义的信息之间建立连接，从而实现更有效的初始化和更快的适应。与Few-shot分类任务有关的综合实验结果证明了该框架的有效性。值得注意的是，MIML在FewRel的评估中可达到与人类相当或更高的性能。
论文标题：Meta-Information Guided Meta-Learning for Few-Shot Relation Classification
在线阅读：https://bbs.sffai.com/d/266-cnycny
会议亮点
1、首次将元信息引入了元学习模型，用易获得的元信息为模型的初始化和学习过程提供了有力指导；
2、在FewRel数据集上达到了sota，并且首次超越了人类表现。
直播时间
2021年8月1日（周日）20:00—21:00 线上直播
关注微信公众号：人工智能前沿讲习，对话框回复“SFFAI116”，获取入群二维码
注：直播地址会分享在交流群内
现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。
SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。
