基于ConceptFERE的成像测井领域小样本关系抽取方法

摘要

针对现有成像测井领域数据缺乏、标注成本高，以及传统关系抽取模型应用受限的问题，提出了一种基于Concept FERE(Concept-Enhanced Few-Ehot Relation Extraction)模型的成像测井领域小样本关系抽取方法。首先，基于BERT-PAIR(BERT-Paired Sentence Encoding)框架，研究了Concept FERE模型的改进方法，然后提出了改进模型SDG-ConceptFERE(Semantic Difference Gate-ConceptFERE)。该模型通过引入语义差异门机制融合模块，可动态判断支持集与查询集实例之间的相关性，并仅对支持集实例融入外部实体概念信息，从而有效避免了错误增强相关性导致的分类误差。实验结果表明，SDG-ConceptFERE模型在5-way-1-shot和5-way-5-shot任务设置下，准确率与Concept FERE模型相比分别提升3.57%和2.78%，证明了其有效性。不仅为测井研究人员提供更方便的文本解释资料，更有助于推动勘探开发全流程的智能化决策体系优化。

关键词

成像测井 / Concept FERE模型 / 小样本学习 / 关系抽取 / 语义差异门机制