一种少样本连续增量关系抽取方法和系统

    公开(公告)号:CN118468030B

    公开(公告)日:2024-11-22

    申请号:CN202410627565.6

    申请日:2024-05-21

    Abstract: 本发明公开了一种少样本连续增量关系抽取方法和系统,包括:输入准备:获取待抽取关系的文本和任务指令。双重提示模块:使用双重提示的方法增强模型的适应性和泛化能力,包括g‑prompt和e‑prompt。任务难度递进模块:对g‑prompt中的提示进行排序。使用余弦相似度计算e‑prompt与g‑prompt的相关性,并按相关性对g‑prompt中的提示进行顺序优化。拼接优化后的g‑prompt与e‑prompt,得到双重提示。关系抽取:将文本嵌入与双重提示相结合,将双重提示与文本嵌入相结合,输入大模型以生成关系抽取结果。本发明的优点是:减少内存需求,降低训练成本,在少样本情况下,也能取得良好效果,确保按合理顺序学习,减少灾难性遗忘。

    一种少样本连续增量关系抽取方法和系统

    公开(公告)号:CN118468030A

    公开(公告)日:2024-08-09

    申请号:CN202410627565.6

    申请日:2024-05-21

    Abstract: 本发明公开了一种少样本连续增量关系抽取方法和系统,包括:输入准备:获取待抽取关系的文本和任务指令。双重提示模块:使用双重提示的方法增强模型的适应性和泛化能力,包括g‑prompt和e‑prompt。任务难度递进模块:对g‑prompt中的提示进行排序。使用余弦相似度计算e‑prompt与g‑prompt的相关性,并按相关性对g‑prompt中的提示进行顺序优化。拼接优化后的g‑prompt与e‑prompt,得到双重提示。关系抽取:将文本嵌入与双重提示相结合,将双重提示与文本嵌入相结合,输入大模型以生成关系抽取结果。本发明的优点是:减少内存需求,降低训练成本,在少样本情况下,也能取得良好效果,确保按合理顺序学习,减少灾难性遗忘。

Patent Agency Ranking