-
题名基于知识提示的应急预案少样本关系抽取方法
被引量：1
- 1
-
-
作者
张凯
陈强
倪凯
张玉金
-
机构
上海工程技术大学电子电气工程学院
上海市安全生产科学研究所科技研发室
-
出处
《中国安全科学学报》
CSCD
北大核心
2024年第12期213-222,共10页
-
基金
科技部重大专项(2020AAA0109302)。
-
文摘
为从少样本应急预案文本中精准、快速实现关系抽取,提出一种基于知识提示的K最近邻关系抽取模型(KMKP)。首先,使用融入关系语义的可学习实体类型标记构建提示模板,强化输入对预训练语言模型(PLM)的提示引导效果;其次,利用边界损失函数优化模型训练,使PLM学习应急领域下的特定依赖关系,实现对PLM中掩码标记符[MASK]预测的结构化约束;然后,以训练数据创建无梯度应急知识存储数据库,结合K最近邻(KNN)算法构建知识查询机制,捕捉训练数据和预测数据之间的特征联系,无梯度范式校正PLM的预测结果;最后,在4个公开数据集的少样本设置下(1-,8-,16-shot)进行试验验证与分析。结果表明:KMKP对比最好模型KnowPrompt,F 1值平均提升2.1%、2.8%、1.9%。在少样本(16-shot)应急预案实例测试中,KMKP关系抽取准确率达到91.02%,KMKP能有效缓解少样本场景下模型的灾难性遗忘和过拟合问题。
-
关键词
知识提示
少样本
应急预案
关系抽取
数据增强
k最近邻(knn)关系抽取模型(kmkp)
-
Keywords
knowledge-prompted
few-shot
emergency plan
relation extraction
data augmentation
k-nearest neighbor(knn)relationship extraction model based on knowledge prompts(kmkp)
-
分类号
X913
[环境科学与工程—安全科学]
-
-
题名基于三支决策的两阶段实体关系抽取研究
被引量：4
- 2
-
-
作者
朱艳辉
李飞
胡骏飞
钱继胜
王天吉
-
机构
湖南工业大学计算机学院
湖南工业大学湖南省智能信息感知及处理技术重点实验室
中国人民银行铜陵市中心支行
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第9期145-150,共6页
-
基金
国家自然科学基金(No.61402165)
模式识别国家重点实验室开放课题(No.201700009)
+2 种基金
湖南省教育厅重点项目(No.15A049)
湖南工业大学重点项目(No.17ZBLWT001KT006)
湖南省研究生创新基金(No.CX2017B688)
-
文摘
实体关系抽取作为信息抽取研究的重要研究课题之一,对知识图谱数据层的构建有着重要的意义。提出一种基于三支决策的两阶段分类技术实现实体关系抽取,首先构建SVM三支决策分类器实现第一阶段实体关系抽取,采用softmax多分类函数作为三支决策概率函数,然后采用KNN分类器对三支决策分类后的中间域样本进行二阶段分类。以ACE2005的语料作为实验数据,将三支决策两阶段分类结果与传统SVM方法分类结果进行比较,实验结果表明,基于三支决策的两阶段实体关系抽取方法取得了很好的分类效果。
-
关键词
实体关系抽取
三支决策
支持向量机(SVM)
k最近邻(knn)
softmax函数
-
Keywords
entity relation extraction
three-way decisions
Support Vector Machine(SVM)
k-Nearest Neighbor(knn)
softmax function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
