-
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]
-
