基于多原型嵌入桥接文本与知识的小样本关系三元组抽取
计算与语言
2023-01-26 v1 人工智能
数据库
信息检索
机器学习
摘要
当前有监督关系三元组抽取方法需要大量标注数据，因此在小样本场景下性能较差。然而，人类可以通过学习少量实例掌握新知识。为此，我们率先研究尚未被充分理解的小样本关系三元组抽取。与以往单任务小样本问题不同，关系三元组抽取更具挑战性，因为实体与关系之间存在隐式关联。本文提出一种新颖的多原型嵌入网络模型，联合抽取关系三元组的构成，即实体对及其对应关系。具体而言，我们设计了一种混合原型学习机制，桥接涉及实体与关系的文本和知识，从而注入实体与关系间的隐式关联。此外，我们提出原型感知正则化以学习更具代表性的原型。实验结果表明，所提方法能提升小样本三元组抽取的性能。
引用
@article{arxiv.2010.16059,
title = {Bridging Text and Knowledge with Multi-Prototype Embedding for Few-Shot Relational Triple Extraction},
author = {Haiyang Yu and Ningyu Zhang and Shumin Deng and Hongbin Ye and Wei Zhang and Huajun Chen},
journal= {arXiv preprint arXiv:2010.16059},
year = {2023}
}
备注
accepted at COLING 2020