基于双路径引入的增强原型网络小样本关系分类方法

张清华; 陈厚廷; 钟杭; 程云龙

重庆邮电大学学报（自然科学版） ›› 2026, Vol. 38 ›› Issue (2) : 297 -309.

张清华, 陈厚廷, 钟杭, 程云龙

作者信息 +

Author information +

文章历史 +

摘要

小样本关系分类使用极为有限的标记数据来训练模型，用于预测以前从未见过的句子中实体对之间的关系。目前大多数研究利用隐式引入和显式引入方法，来引入外部信息增强原型网络。这些方法可能会增加模型参数或者学习过多冗余信息，出现模型过拟合以及无法充分学习有效信息的问题。为了解决这些问题，提出了一种基于隐式引入和显式引入相结合的增强原型网络。通过将2种引入方式相结合，实现了2种引入方式的互相约束，充分发挥两者优势。一方面，该模型通过隐式引入使原型充分学习外部信息中的上下文信息，增强原型的特征表示；另一方面，通过显式引入直接增强原型表示，避免模型过拟合。提出的模型在FewRel数据集上进行了全面的实验，实验结果表明，与对比模型相比，提出的模型具有更优越的性能。