噪声下准确率提升6.38%
面向真实世界含噪关系分类的实例与特征双重动态加权网络，能抑制噪声干扰并增强关系区分度。
Haijia, Bi · Peng, Tao · Han, Jiayu · Cui, Hai · 刘露
Knowledge-Based Systems 2025
实例引导匹配（IGM）根据实例与类原型的相似度动态调整每个支持样本的贡献，降低噪声样本对原型计算的干扰，使原型更接近真实类中心。
维度引导注意力（DGA）自动学习特征维度的重要性，放大对分类有用的维度、抑制噪声维度，使关系表示在不同噪声条件下更具区分性。
在无噪声及10%、20%、30%噪声率下，平均准确率分别比现有基线提高2.26%至6.38%，且优势随噪声增大而扩大，无需针对特定噪声率调参。