计算机应用

作者：魏超, 陈艳平, 王凯, 秦永彬, 黄瑞章

单位：1.文本计算与认知智能教育部工程研究中心(贵州大学), 贵阳 550025；2.公共大数据国家重点实验室(贵州大学), 贵阳 550025；3.贵州大学 计算机科学与技术学院, 贵阳 550025

关键词：关系抽取,掩码,门控神经网络,预训练语言模型,提示学习

基金：国家自然科学基金资助项目(62166007)

针对关系抽取（RE）任务中实体关系语义挖掘困难和预测关系有偏差等问题，提出一种基于掩码提示与门控记忆网络校准（MGMNC）的RE方法。首先，利用提示中的掩码学习实体之间在预训练语言模型（PLM）语义空间中的潜在语义，通过构造掩码注意力权重矩阵，将离散的掩码语义空间相互关联；其次，采用门控校准网络将含有实体和关系语义的掩码表示融入句子的全局语义；再次，将它们作为关系提示校准关系信息，随后将句子表示的最终表示映射至相应的关系类别；最后，通过更好地利用提示中掩码，并结合传统微调方法的学习句子全局语义的优势，充分激发PLM的潜力。实验结果表明，所提方法在SemEval（SemEval-2010 Task 8）数据集的F1值达到91.4%，相较于RELA（Relation Extraction with Label Augmentation）生成式方法提高了1.0个百分点；在SciERC（Entities， Relations， and Coreference for Scientific knowledge graph construction）和CLTC（Chinese Literature Text Corpus）数据集上的F1值分别达到91.0%和82.8%。所提方法在上述3个数据集上均明显优于对比方法，验证了所提方法的有效性。相较于基于生成式的方法，所提方法实现了更优的抽取性能。

来源：2024年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第6期