基于Prompt Learning的信息抽取

PTR: Prompt Tuning with Rules for Text Classification

清华；liuzhiyuan；通过规则制定subpromptRelation Extraction as Open-book Examination: Retrieval-enhanced Prompt Tuning

Relation Extraction as Open-book Examination: Retrieval-enhanced Prompt Tuning

ACM SIGIR 22；浙大；chenhuajun & zhangningyu 团队；将关系抽取视为开卷，训练过程中通过[MASK]的向量，构建知识embedding库，以及KNN检索。Inference时，考虑KNN的topn结果，可以提升模型的鲁棒性和在长尾数据上的效果。

KnowPrompt: Knowledge-aware Prompt-tuning with Synergistic Optimization for Relation Extraction；

WWW22；浙大；chenhuajun & zhangningyu 团队；我们在实体周围分配虚拟类型词，这些词使用潜在实体类型集合的聚合嵌入进行初始化；将MLM个具有额外可学习关系嵌入的头部层扩展为虚拟答案词集V‘，以完全表示对应的关系标签Y。