计算机工程

作者：刘军平, 黄宇威, 胡新荣, 彭涛, 姚迅, 王帮超, 杨华利, 朱强

单位：1. 武汉纺织大学计算机与人工智能学院, 湖北 武汉 4302002. 湖北省服装信息化工程技术研究中心, 湖北 武汉 4302003. 纺织服装智能化湖北省工程研究中心, 湖北 武汉 430200

关键词：文档级关系抽取,数据增强,动态阈值,类别不平衡,GPT模型

基金：教育部人文社会科学研究一般项目(23YJAZH082); 湖北省教育科学规划重点课题(2022GA046); 国家自然科学基金青年科学基金项目(62102291); 国家自然科学基金青年科学基金项目(62307029); 湖北省自然科学基金计划项目(2024AFB736); 湖北省自然科学基金(2025AFC097)

生物医学领域关系抽取(RE)任务通常存在数据稀缺、类别不平衡、多标签等问题。为了解决以上问题, 提出一种结合数据增强和动态阈值策略的方法。首先, 通过自定义损失函数对GPT模型进行微调, 并基于Word2Vec模型得到特征模板以生成新数据; 其次, 利用BERT分类器对生成数据进行筛选, 将高质量样本与原始数据集相结合, 形成更丰富的训练集; 最后, 提出一种可学习动态阈值策略, 根据文档长度及模型输出与真实标签的差异性, 动态调整分类阈值, 使模型能够灵活处理文档多标签问题。在2个公开医学数据集上的实验结果显示, 该方法分别取得了84.1%和69.3%的F1值, 相较ATLOP方法分别提升1.6和1.1百分点, 验证了该方法的有效性。

来源：2026年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第4期