RAPS：一种基于查询信息引导注意力与自适应原型融合的小样本关系抽取流水线
计算与语言
2022-11-09 v2
摘要
小样本关系抽取（FSRE）旨在仅通过少量标注实例学习来识别未见关系。为了更有效地泛化到新关系，本文提出了一种基于查询信息引导注意力与自适应原型融合的 FSRE 任务新流水线，即 RAPS。具体而言，RAPS 首先通过查询信息引导注意力模块推导关系原型，该模块利用支持实例与查询实例之间丰富的交互信息，以获得更准确的初始原型表示。然后 RAPS 通过自适应原型融合机制将推导出的初始原型与关系信息精细结合，从而得到用于训练和预测的集成原型。在基准数据集 FewRel 1.0 上的实验表明，我们的方法相比当前最优（SOTA）方法取得了显著提升。
引用
@article{arxiv.2210.08242,
title = {RAPS: A Novel Few-Shot Relation Extraction Pipeline with Query-Information Guided Attention and Adaptive Prototype Fusion},
author = {Yuzhe Zhang and Min Cen and Tongzhou Wu and Hong Zhang},
journal= {arXiv preprint arXiv:2210.08242},
year = {2022}
}
备注
9 pages, 2 figures