通过多视角解耦增强低资源关系表示

最近，基于预训练语言模型（PLM）的提示调优在关系抽取（RE）任务中展现出显著的增强能力。然而，在低资源场景下（可用训练数据稀缺），由于对关系的浅层理解，先前的基于提示的方法在基于提示的表示学习中可能仍然表现不佳。为此，我们强调了在低资源场景下为关系抽取学习高质量关系表示的重要性，并提出了一种新颖的基于提示的关系表示方法，名为MVRE（多视角关系抽取），以更好地利用PLM的能力，在低资源提示调优范式下提高关系抽取的性能。具体来说，MVRE将每个关系解耦为不同的视角，以包含多视角关系表示，从而在关系推理过程中最大化似然。此外，我们还设计了一种全局-局部损失和一种动态初始化方法，用于更好地对齐多视角关系表示的虚拟词，在优化学习过程和初始化中包含关系标签的语义。在三个基准数据集上的大量实验表明，我们的方法在低资源设置下可以达到最先进的水平。