计算机工程

作者：张河萍, 方志军, 卢俊鑫, 高永彬

单位：1. 上海工程技术大学电子电气工程学院, 上海 2016202. 华东师范大学计算机科学与技术学院, 上海 200241

关键词：关系分类,小样本学习,小样本关系分类,原型网络,知识增强

基金：科技创新2030—“新一代人工智能”重大项目(2020AAA0109300)

小样本关系分类(FSRC)是指在任务中使用少量标注实例对各种关系进行分类, 可快速适用于对全新的类别进行归类。然而, 当测试域与训练域之间存在分布差异时, 现有的小样本分类算法泛化能力有限, 导致分类性能下降。针对该问题, 提出一种适用于领域适应任务的知识增强自适应原型网络。通过探索实例之间的联系以提高模型的鲁棒性, 同时学习关于关系的先验知识和内在语义以获得可解释原型。通过引入交互注意力机制来捕捉支持实例与查询实例之间的相关性, 突出关键实例, 并生成交互实例。同时, 自适应原型融合机制以关系信息为锚点生成自适应混合系数, 通过特征融合将实例与关系信息相结合, 从而生成混合原型。在公开数据集FewRel 1.0和FewRel 2.0上的实验结果验证了该网络的有效性。实验结果表明, 与基线模型相比, 所提网络模型的分类准确率取得了显著提升, 具有更好的分类效果与稳定性。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期