融合混合表征的小样本关系抽取方法

针对传统原型网络无法有效解决噪声数据带来的类原型偏差的问题,提出一种融合混合表征的小样本关系抽取方法,通过引入关系表述和实体提及作为辅助信息,并通过动态构建关系类别原型表示来提升模型对噪声数据的处理能力,进而获得更精确的原型判别性表示.首先,使用BERT预训练语言模型对文本进行特征提取,利用实体提及提取实体关系表示,构建局部原型,并设计关系注意力模块对关系表述和支持实例进行语义计算和关键特征选择;然后,提出基于混合表征的动态原型网络构建模块,分别利用局部原型和关系注意力模块动态构建实体表征类原型和关系表征类原型;最后,融合两者形成更具判别性的混合表征原型点,进一步增强原型的关系表示能力.实验结果表明,在公开数据集FewRel 1.0上,融合混合表征的小样本关系抽取方法相较于基线模型,在不同子任务设置下均取得了较高的准确率,最高可达96.26％,验证了所提方法能有效利用辅助信息缓解类原型偏差问题,获得较好的关系抽取效果.