基于开放信息抽取的少样本持续关系抽取
机器学习
2025-02-26 v1 人工智能
计算与语言
信息检索
摘要
少样本持续关系抽取（FCRE）模型通常需在保留先前知识的同时适应极少数据的数据新任务。然而，现实场景可能还涉及尚未知晓或未确定的关系，而现有方法仍难以应对。为此，我们提出一种新方法，利用知识图构建（KGC）中开放信息抽取的概念。该方法不仅让模型暴露于包括不可用训练集中未知标签在内的所有可能关系对，同时通过多样化关系描述丰富模型知识，从而提升在此挑战性场景中的知识保留与适应性。在KGC视角下，这是首个在持续学习设置下进行的工作，允许数据演化时高效扩展图谱。实验结果表明，我们的性能优于其他最先进FCRE基线方法，且在该设置下处理动态图构建具有较好效率。
引用
@article{arxiv.2502.16648,
title = {Few-shot Continual Relation Extraction via Open Information Extraction},
author = {Thiem Nguyen and Anh Nguyen and Quyen Tran and Tu Vu and Diep Nguyen and Linh Ngo and Thien Nguyen},
journal= {arXiv preprint arXiv:2502.16648},
year = {2025}
}