元语义增强的少样本关系学习

少样本关系学习旨在在仅凭少量训练样本的情况下，对知识图谱（KGs）中的关系进行推理。虽然当前方法主要致力于利用特定的关系信息，但知识图谱中固有的丰富语义信息被大体忽略了。为弥合这一差距，我们提出了 PromptMeta—a 一种新颖的提示元学习框架，将元语义与关系信息无缝集成，用于少样本关系学习。PromptMeta 引入了两个核心创新：(1) 元语义提示（MSP）池，学习并整合跨任务的高层次元语义，实现有效的知识迁移和对新兴关系的适应；(2) 可学习的融合机制，针对不同少样本任务动态组合元语义与任务特定的关系信息。两个组件在元学习框架内联合优化。大量实验和分析表明，PromptMeta 在有限监督下适应新关系方面效果显著。