知识与关系协同提示增强的中文事件关系抽取方法

摘要

针对预训练语言模型在中文事件关系抽取中存在上下游任务不匹配、抽取准确度较低等问题，本文提出了知识和关系语义协同进行提示增强的中文事件关系抽取模型.首先基于提示学习的方法构建提示模板和标签表达器，通过改造下游的关系抽取任务以对齐差异，随后针对中文场景设计了一种融入关系标签语义和常识背景知识的提示模板改建策略，将含有高质量先验知识的关系标签和外部背景常识的知识注入提示模板，形成关系语义和知识的双重提示增强.最后利用RoBERTa编码，完成对事件关系的多标签分类.结果表明，模型在CEC2.0数据集上F1值达到了90.88%,效果优于当前大多数集基线模型与先进模型，即使在少样本场景下也能表现良好.

关键词

提示学习 / 提示增强 / RoBERTa / 多标签分类