公开(公告)号：CN117010392A

公开(公告)日：2023-11-07

申请号：CN202310830338.9

申请日：2023-07-07

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 汤步洲 ,  李青瑶

IPC: G06F40/295 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/0895 ,  G16H70/40

Abstract: 本发明提供一种基于知识感知提示学习的少样本关系抽取方法，包括：步骤1，构造带有实体感知的连续模板；步骤2，采用预训练语言模型对连续模板编码，输出掩码词位置预测关系词表的概率值，关系词表概率最大的关系为医疗实体的预测关系标签。本发明的有益效果是：1.本发明的少样本医疗实体关系抽取方法通过知识感知形成有用的约束，在n2c2和i2b2数据集上取得了不错的性能；2.不需要借助大量的基类数据，只利用到少量的标注样本，是更具有挑战性的少样本任务；3.本发明的少样本医疗实体关系抽取方法将传统的分类任务转换为基于提示学习的掩码预测任务，将预训练语言模型的下游任务设计为和上游任务一致，消除了上下游任务的差距。