基于语义增强和知识蒸馏的关系抽取模型构建方法及系统

本发明提出了基于语义增强和知识蒸馏的关系抽取模型构建方法及系统，涉及关系抽取技术领域，针对的问题是：现有技术在处理持续学习时，模型往往难以在学习新关系时保持对旧关系的记忆，导致遗忘；过度依赖少量数据易导致模型过拟合，从而无法有效泛化到新的关系。该方法：获取训练样本和典型样本的关系原型，对其进行语义增强，得到扩张后的增强数据集和增强内存集，基于学生模型和多教师模型，进行特征提取、关系分类预测及关系抽取。本发明通过语义增强技术，有效缓解小样本数据稀缺带来的过拟合问题，通过多教师知识蒸馏方法，降低在持续学习过程中因新关系学习而导致的旧关系遗忘，提高模型在面对不同关系时的分类准确性和泛化能力性。