基于关系冗余度的少样本实体关系自适应抽取OACSTPCD

医学文本中丰富的医学知识可为构建医学知识图谱提供数据支撑,但医学文本中存在部分知识文本数量较少,导致了知识分布不平衡、循证类知识样本少等现实问题,且现有实体关系抽取模型对关系冗余、实体重叠等问题并没有很好的解决方案。论文针对上述问题,提出了一种基于关系冗余度的少样本实体关系自适应抽取模型,该模型弥补了现有抽取模型过度依赖大量标注语料、无法解决实体重叠等不足。使用医学相关文本展开实验,结果表明该模型较现有抽取模型F1性能提高了4.9%。