结构化语义信息帮助在少样本关系抽取中获取更好的示例
计算与语言
2026-01-29 v1
摘要
本文提出了几种策略，用于自动获取为一种少样本关系抽取获取额外示例的方案。具体而言，我们引入了一种新的示例选择策略，即根据其底层句法-语义结构与提供的单样本示例的相似性来选择新示例。我们展示了该方法在词语选择和句子结构方面与LLM生成的示例具有补充性。当这些策略组合时，生成的混合系统在与任一方法单独使用的情形下都能提供更全面的所感兴趣关系的图景。我们的框架在数据集之间（FS-TACRED 和 FS-FewRel）以及LLM家族（Qwen 和 Gemma）之间良好迁移。总体而言，我们的混合选择方法在FS-TACRED 上实现了状态-of-the-art 性能，并在定制的FewRel子集上取得显著提升。
引用
@article{arxiv.2601.20803,
title = {Structured Semantic Information Helps Retrieve Better Examples for In-Context Learning in Few-Shot Relation Extraction},
author = {Aunabil Chakma and Mihai Surdeanu and Eduardo Blanco},
journal= {arXiv preprint arXiv:2601.20803},
year = {2026}
}