RelationPrompt：利用提示生成合成数据用于零样本关系三元组抽取
计算与语言
2022-03-18 v1
摘要
尽管关系抽取在构建与表示知识方面十分重要，但聚焦于泛化至未见关系类型的研究较少。我们引入零样本关系三元组抽取（ZeroRTE）任务设定，以鼓励在低资源关系抽取方法上的进一步研究。给定输入句子，每个抽取的三元组由头实体、关系标签和尾实体组成，其中关系标签在训练阶段未出现。为解决ZeroRTE，我们提出通过提示语言模型生成结构化文本来合成关系样例。具体而言，我们统一语言模型提示与结构化文本方法，设计一种结构化提示模板，在以关系标签提示为条件时生成合成关系样本（RelationPrompt）。为克服从单句中抽取多个关系三元组的局限，我们设计了一种新颖的三元组搜索解码方法。在FewRel和Wiki-ZSL数据集上的实验显示了RelationPrompt在ZeroRTE任务和零样本关系分类上的有效性。我们的代码与数据可在 github.com/declare-lab/RelationPrompt 获取。
关键词
引用
@article{arxiv.2203.09101,
title = {RelationPrompt: Leveraging Prompts to Generate Synthetic Data for Zero-Shot Relation Triplet Extraction},
author = {Yew Ken Chia and Lidong Bing and Soujanya Poria and Luo Si},
journal= {arXiv preprint arXiv:2203.09101},
year = {2022}
}
备注
13 pages, 9 figures, to appear in ACL Findings 2022