少样本高准确
通过提示编码和关系图学习联合增强实例与原型表示，显著提升少样本关系抽取性能。
Hui, Wu · Yuting, He · Chen, Yidong · Bai, Yu · 史晓东
Neural Networks 2024
通过同时优化实例表示和原型表示，模型在极少标注数据下仍能正确判断关系，避免离群样本导致的错误。
实例级对比学习拉近同类实例、推远异类实例，原型级对比学习对齐概念原型与实例原型，共同提升对相似关系的区分能力。
在领域适应挑战任务上表现尤为突出，表明模型能较好迁移到新领域，减少对领域内大量标注的依赖。