基于多知识增强原型网络的少样本关系抽取方法和装置

本申请涉及一种基于多知识增强原型网络的少样本关系抽取方法和装置。所述方法包括：构建了一个由语义编码器、多知识增强学习模块、双对比学习模块以及关系预测模块组成的多知识增强原型网络，该网络采用提示学习设计带有实体信息的提示模板来激活预训练语言模型中的知识，能够获得更准确的实例语义表示；同时引入了多粒度实体类型和关系描述两种先验知识，增强了实例和原型的语义表示；以及设计了基于实例和原型的双对比学习模块，从实例和原型两个不同层面学习实例表示和原型表示的类别独特性和可区分性，从而能够基于少量样本充分捕捉和理解文本中所有关系的特征，提高了文本实体识别与关系分类预测的准确度。