-
题名基于知识增强自适应原型网络的小样本关系分类
- 1
-
-
作者
张河萍
方志军
卢俊鑫
高永彬
-
机构
上海工程技术大学电子电气工程学院
华东师范大学计算机科学与技术学院
-
出处
《计算机工程》
北大核心
2025年第4期129-136,共8页
-
基金
科技创新2030—“新一代人工智能”重大项目(2020AAA0109300)。
-
文摘
小样本关系分类(FSRC)是指在任务中使用少量标注实例对各种关系进行分类,可快速适用于对全新的类别进行归类。然而,当测试域与训练域之间存在分布差异时,现有的小样本分类算法泛化能力有限,导致分类性能下降。针对该问题,提出一种适用于领域适应任务的知识增强自适应原型网络。通过探索实例之间的联系以提高模型的鲁棒性,同时学习关于关系的先验知识和内在语义以获得可解释原型。通过引入交互注意力机制来捕捉支持实例与查询实例之间的相关性,突出关键实例,并生成交互实例。同时,自适应原型融合机制以关系信息为锚点生成自适应混合系数,通过特征融合将实例与关系信息相结合,从而生成混合原型。在公开数据集FewRel 1.0和FewRel 2.0上的实验结果验证了该网络的有效性。实验结果表明,与基线模型相比,所提网络模型的分类准确率取得了显著提升,具有更好的分类效果与稳定性。
-
关键词
关系分类
小样本学习
小样本关系分类
原型网络
知识增强
-
Keywords
relation classification(RC)
few-shot learning
few-shot relation classification(fsrc)
prototype networks
knowledge-enhanced
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
