少样本关系分类综述

摘要：

少样本关系分类旨在通过少量的有标注训练样本,来挖掘自然语言文本中目标实体之间所蕴含的语义关系,以应对传统的关系分类方法所面临的资源匮乏问题,从而能够较好地推广到医学、金融以及民语处理等数据稀缺的特定领域.目前,少样本关系分类的相关研究工作均在元学习的训练策略下学习先验知识,并以此快速适应新的任务,其大体上可以划分为基于原型网络、基于预训练语言模型、基于参数优化以及基于图神经网络四种方式.回顾少样本关系分类的发展,对不同研究方法的优势和局限性进行深入剖析和总结,在此基础上,分析该领域当前所面临的棘手问题和挑战,并进一步对其未来的研究方向进行展望.

关键词：关系分类、少样本学习、度量学习、元学习

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金U1911401

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-12