知识增强提示学习驱动的高歧义短文本分类方法
来源：计算机工程与应用杂志2026年第10期北京时间：
作者：冯勇, 和学豪, 何蒋辉
单位：1.云南电网有限责任公司 电力科学研究院，昆明 650217；2.昆明理工大学 信息工程与自动化学院，昆明 650217；
摘要：短文本分类是自然语言处理的核心任务之一。尽管基于预训练模型与微调的方法已取得显著进展，但现有技术仍难以有效应对高歧义性与特征稀疏性挑战。提出一种知识增强提示学习驱动的高歧义短文本分类方法，通过融合大语言模型与开放知识图谱等多源外部知识，增强模型对短文本深层语义的理解能力。该方法分三步实现：利用大语言模型扩展短文本上下文以降低语义歧义；结合开放知识图谱构建标签词空间，并通过四种知识校验策略过滤噪声标签；将优化后的标签词空间与扩展文本嵌入到提示学习框架中完成分类。实验表明，该方法通过多源知识协同，显著提升了短文本语义到标签空间的映射精度，有效改善了分类性能。
关键词：短文本分类,语义歧义性,知识增强,知识图谱,提示学习
基金资助：中国-澜湄区域电力技术标准融合研究与支撑平台建设项目（YNKJXM20222286）。
