通过原型对比学习改进持续关系抽取
信息检索
2022-10-11 v1
摘要
持续关系抽取（CRE）旨在针对连续且迭代到达的新数据进行关系抽取，其主要挑战是对旧任务的灾难性遗忘。为缓解这一关键问题以提升 CRE 性能，我们提出了一种结合对比学习的新型持续关系抽取框架，即 CRECL，其由一个分类网络和一个原型对比网络构成，以实现 CRE 的增量类学习。具体而言，在对比网络中，给定实例与存储于记忆模块中各候选关系的原型进行对比。这种对比学习方案使得所有任务的数据分布更具可区分性，从而进一步缓解灾难性遗忘。我们的实验结果不仅证明了 CRECL 在两个公开数据集上优于最先进的基线方法，也验证了 CRECL 的对比学习在提升 CRE 性能方面的有效性。
引用
@article{arxiv.2210.04513,
title = {Improving Continual Relation Extraction through Prototypical Contrastive Learning},
author = {Chengwei Hu and Deqing Yang and Haoliang Jin and Zhen Chen and Yanghua Xiao},
journal= {arXiv preprint arXiv:2210.04513},
year = {2022}
}