基于双重对比学习的零样本关系抽取模型

来源：计算机应用杂志2025年第11期北京时间：

作者：邱冰婕, 张超群, 汤卫东, 梁弼诚, 崔丹阳, 罗海升, 陈启明

单位：1.广西民族大学 人工智能学院，南宁 530006；2.广西混杂计算与集成电路设计分析重点实验室（广西民族大学），南宁 530006

摘要：针对零样本关系抽取（ZSRE）中因相似实体或关系导致的关系表示重叠及关系预测错误问题，提出一种基于双重对比学习的零样本关系抽取（DCL-ZSRE）模型。首先，通过预训练编码器对实例和关系描述进行编码，以得到相应的向量表示；其次，设计双重对比学习提高关系表示的可区分度，即通过实例级对比学习（ICL）学习实例之间的互信息，再将实例和关系描述的表示进行连接，并利用匹配级对比学习（MCL）学习实例与关系描述之间的联系，从而解决关系表示重叠问题；最后，根据对比学习中学习到的表示在分类模块对未见关系进行预测。在FewRel和Wiki-ZSL数据集上的实验结果表明，DCL-ZSRE在精确率、召回率和F1值上均明显优于8个先进的对比模型，尤其在未见关系类别较多时：当未见关系类别数为15时，相较于EMMA （Efficient Multi-grained Matching Approach）模型，DCL-ZSRE模型在FewRel数据集上的3项指标分别显著提高了4.76、4.63、4.69个百分点，在Wiki-ZSL数据集上也实现了1.32、2.20、1.76个百分点的增长。DCL-ZSRE模型能有效区分重叠的关系表示，可作为一种有效且鲁棒性强的零样本关系抽取方法。

关键词：关系抽取,特征抽取,零样本学习,对比学习,预训练语言模型

基金资助：国家自然科学基金资助项目(62062011)