2022年8月，博士生张晗论文《Prompt-Based Prototypical Framework for Continual Relation Extraction》获国际自然语言处理顶级期刊IEEE/ACM Transactions on Audio, Speech and Language Processing (TASLP) 录用。

图1 核心技术框架

该工作主要研究基于自然文本的持续关系抽取任务（Continual Relation Extraction）。论文针对现有方法缺少对预训练语言模型知识的充分利用，以及持续学习过程存在的稳定性-可塑性不均衡问题，提出了一种基于关系原型的持续关系抽取框架。该框架通过利用关系的文字定义和代表性样本生成注入知识的关系原型，并将关系原型用于指导稳定性-可塑性平衡的记忆回放，在减轻灾难性遗忘的同时仍可以较好地学习新的关系类型。实验结果表明，在多种评估模式下该方法优于现有模型，并且对记忆回放的内存大小、任务的顺序、任务序列的长度都具有更好的鲁棒性。

TASLP期刊是音频、声学、语言信号处理的顶级期刊，在中科院学术推荐列表（升级版）中为一区刊物（CCF-B类），清华最新版计算机学术推荐列表中认定为A类刊物。

论文信息：

Han Zhang, Bin Liang, Min Yang, Hui Wang*, and Ruifeng Xu*. Prompt-Based Prototypical Framework for Continual Relation Extraction. IEEE/ACM Transactions on Audio, Speech and Language Processing 2022.

doi：10.1109/TASLP.2022.3199655

https://ieeexplore.ieee.org/document/9860068

审稿：徐睿峰

排版：王    丹