4-6知识抽取技术前沿
引入了混合注意力机制：Instance-Level Attention；零样本学习（ZSL）：基于可见标注数据集及可见标签集合，学习并预测不可见数据集结果。方法：转换问题设定；学习输入特征空间到类别描述的语义空间的映射。终身知识抽取（存在知识遗忘问题）基于实体关系原型网络的少样本知识抽取。基本范式：N-way-K-shot。基于表示对齐的终身关系抽取。
·
少样本知识抽取；零样本知识抽取；终身知识抽取（存在知识遗忘问题）
少样本知识抽取：
基本范式：N-way-K-shot
原型网络
基于混合注意力原型网络的少样本关系抽取：
引入了混合注意力机制：Instance-Level Attention；Feature-Level Attention
基于实体关系原型网络的少样本知识抽取
零样本知识抽取：
零样本学习（ZSL）：基于可见标注数据集及可见标签集合，学习并预测不可见数据集结果。
方法：转换问题设定；学习输入特征空间到类别描述的语义空间的映射。
终身知识抽取：
基于表示对齐的终身关系抽取
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
3
0- 0
已为社区贡献3条内容
所有评论(0)