论文来源： ACL Findings 2022

论文链接：https://arxiv.org/pdf/2203.09101.pdf

论文代码：http://github.com/declare-lab/RelationPrompt 

        本篇论文是由阿里达摩院自然语言智能实验室于2022年发表的关于零样本关系抽取的顶会论文，本篇博客将记录我在阅读过程中的一些笔记！

---

Abstract

        关系抽取在知识构建和知识表示方面具有重要意义，但是将其推广到不可见的关系类型方面的研究较少，本文引入零样本关系三元组抽取任务。即给定一个输入句子，每个提取的三元组包括头实体、关系和尾实体，其中关系标签在训练阶段是不存在的。针对此问题，本文通过提示语言模型生成结构化文本来合成关系样本。

        具体而言，RelationPrompt方法是将语言模型的提示和结构化文本方法相结合，设计了一个结构化提示模板，用于在关系标签提示条件下生成该关系的样本。为了克服句子中存在多个三元组的情况，还设计了一种新的三元组搜索解码方法。

Introduction

        关系抽取旨在预测非结构化文本中实体之间的关系，其应用包括知识图谱构建、问答等。

        问题背景：现有方法通常需要大规模的标注样本数据集，标注成本高，并且关系标签固定，模型无法扩展到没有见过的关系类别。零样本关系分类任务不需要提取完整的关系三元组，而是根据根据给定的头、尾实体进行关系分类或根据头实体和关系预测尾实体。

        基于上述背景，本文提出一种新的具有挑战性的任务设置，零样本关系三元组抽取<