清华大学学报(自然科学版)

作者：刘英莉, 张晋渝, 温绍杰, 沈韬

单位：1. 昆明理工大学 信息工程与自动化学院, 昆明 650500,2. 昆明理工大学 云南省计算机技术应用重点实验室, 昆明 650500

关键词：持续学习,关系抽取,原型表示,复杂语义

基金：国家自然科学基金资助项目(52061020),云南省重大科技专项计划项目(202302AG050009),云南省计算机技术应用重点实验室开放基金(2024G05)

针对现有方法在中文复杂语义环境下无法实现持续关系抽取，该文基于持续学习理念，旨在缓解持续关系抽取任务中存在的灾难性遗忘问题，构建了基于原型表示的持续复杂关系抽取网络(PBCRE-Net)模型。该模型采用记忆回放策略并结合监督对比学习方法，增强了对复杂句子中各关系类别独特特征的捕捉能力，提升了关系分类性能，从而能够高效地从新数据中学习知识关系。同时，利用一致性损失约束，确保样本在嵌入空间中的稳定性和一致性。此外，为应对记忆样本不足可能导致的过拟合问题，设计了一种记忆增强机制，通过扩充记忆样本有效避免了过拟合风险。实验结果表明，PBCRE-Net不仅在单领域数据集上表现出色，更在跨领域数据集上展现出卓越的性能，验证了其在处理跨领域复杂关系抽取任务中的有效性和优越性。

来源：2025年第11期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2025年第11期