本发明专利技术公开了一种小样本关系抽取方法、装置、设备和介质，通过获取关系抽取数据集，包括支持样例集和查询样例，所述支持样例集包括至少一个候选类别和每一所述候选类别对应的至少一个支持样例；将每一所述支持样例和所述查询样例进行编码得到初始向量；计算同一候选类别的支持样例和查询样例之间的匹配度信息，将所述匹配度信息融合到初始向量中，得到每一所述支持样例和所述查询样例的最终向量；根据每一所述支持样例和所述查询样例的最终向量得到每一所述候选类别的类原型，计算得到所述查询样例的分类结果。采用本发明专利技术，能够考虑到支持样例和查询样例之间的匹配信息，提高对类原型的训练精度，提高查询样例的分类结果的准确性。
【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种小样本关系抽取方法、装置、终端和介质。
技术介绍
1、目前，关系抽取任务主要有基于有监督学习的方法、基于远程监督学习的方法和基于小样本学习的方法三个研究方向。
2、对于有监督学习的训练方法，由于训练数据集不易构建，因此在很多领域的使用受限制；采用远程监督的方法存在噪声，并且由于知识库长尾现象的存在，远程监督的方法并不能完全解决数据不足的问题。原型网络小样本学习是较为成功的方法，然而现有技术中，采用原型网络获得类原型的方式，没有考虑到关系抽取数据集中支持样例和查询样例所蕴含的全面信息，导致训练得到的类原型不够准确，影响最终分类结果的准确性。
技术实现思路
1、本专利技术实施例的目的是提供一种小样本关系抽取方法、装置、设备和介质，其能够考虑到关系抽取数据集中支持样例和查询样例之间的匹配信息，提高对类原型的训练精度，从而提高查询样例的分类结果的准确性。
2、为实现上述目的，本专利技术实施例提供了一种小样本关系抽取方法，包括：
>3、获取关系抽取数本文档来自技高网...
【技术保护点】
1.一种小样本关系抽取方法，其特征在于，包括：
2.如权利要求1所述的小样本关系抽取方法，其特征在于，所述计算同一候选类别中的每一所述支持样例和所述查询样例之间的匹配度信息，将所述匹配度信息融合到所述候选类别中的每一所述支持样例和所述查询样例的每一个单词的初始向量中，得到每一所述支持样例和所述查询样例的每一个单词的最终向量，包括：
3.如权利要求1所述的小样本关系抽取方法，其特征在于，所述将每一所述支持样例和所述查询样例进行编码，得到每一所述支持样例和所述查询样例的每一个单词的初始向量，包括：
4.如权利要求3所述的小样本关系抽取方法，其特征在于，所述...
【技术特征摘要】
1.一种小样本关系抽取方法，其特征在于，包括：
2.如权利要求1所述的小样本关系抽取方法，其特征在于，所述计算同一候选类别中的每一所述支持样例和所述查询样例之间的匹配度信息，将所述匹配度信息融合到所述候选类别中的每一所述支持样例和所述查询样例的每一个单词的初始向量中，得到每一所述支持样例和所述查询样例的每一个单词的最终向量，包括：
3.如权利要求1所述的小样本关系抽取方法，其特征在于，所述将每一所述支持样例和所述查询样例进行编码，得到每一所述支持样例和所述查询样例的每一个单词的初始向量，包括：
4.如权利要求3所述的小样本关系抽取方法，其特征在于，所述采用预设的语言训练模型对每一样例进行计算，得到每一所述样例的每一个单词的文本嵌入向量，包括：
5.如权利要求3所述的小样本关系抽取方法，其特征在于，所述采用预设的语言训练模型对每一样例进行计算，得到每一所述样例的每一个单词的文本嵌入向量，包括：
6.如权利要求3所述的小样本关系抽取方法，其特征...
【专利技术属性】
技术研发人员：徐辉，陈炳成，杨海军，汪玮，郝锦瑄，
申请(专利权)人：中移上海信息通信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。