少样本关系抽取研究综述

• Published in: 计算机工程与应用 Vol. 59; no. 15; pp. 27 - 37
• Main Authors: 刘蓓, 许卓明, 陶皖, 刘三民
• Format: Journal Article
• Language: Chinese
• Published: 安徽工程大学 计算机与信息学院,安徽 芜湖 241000 01.08.2023; 河海大学 计算机与信息学院,南京 211100%河海大学 计算机与信息学院,南京 211100%安徽工程大学 计算机与信息学院,安徽 芜湖 241000
• Subjects: 少样本学习; 元学习; metric learning; 关系抽取; 度量学习; meta-learning; 原型网络; relation extraction; prototypical networks; few-shot learning
• ISSN: 1002-8331
• DOI: 10.3778/j.issn.1002-8331.2301-0105

TP391.1; 关系抽取是信息抽取的一项重要子任务,也是构建知识图谱的重要环节,其目标是从自然语言文本中抽取出实体之间的语义关系,从而更好地挖掘数据之间的联系.关系抽取的过程需要依赖大量标注的训练样本,而实际应用中却经常存在冷启动问题,如何通过少量样本进行关系抽取已成为该领域关注的热点之一.在调研大量文献的基础上对少样本关系抽取的近期研究现状进行总结,先从少样本关系抽取任务的定义出发,介绍了少样本关系抽取任务的训练机制与分类情况;从度量学习和参数优化学习两个角度分别介绍了基于孪生网络、图神经网络和原型网络,以及基于初始化网络参数和预训练网络参数在少样本关系抽取问题上的研究成果;介绍了少样本关系抽取的常用数据集、评价指标及代表性方法的实验结果;总结了现有研究存在的问题,并展望了少样本关系抽取未来可能的发展趋势.