专利交易市场

本申请适用于自然语言处理技术领域，提供了一种少样本关系抽取模型的训练方法、装置及终端设备。该方法包括：构建第一支持集与第一查询集对预设的少样本关系抽取模型进行正向训练，得到正向关系原型和第一匹配得分，并根据正向训练的结果与第一查询集构建第二支持集与第二查询集，以对预设的少样本关系抽取模型进行逆向训练，得到逆向关系原型和第二匹配得分，根据第一匹配得分和第二匹配得分确定交叉熵损失值，根据正向关系原型和逆向关系原型对预设的少样本关系抽取模型进行调参，并根据交叉熵损失值得到更新后的少样本关系抽取模型。本申请能够提高少样本关系抽取模型的分类准确度，进而对句子的实体关系进行有效抽取。

本发明属于知识图谱领域，具体涉及一种基于少样本关系预测模型的可解释方法；该方法包括：对少样本关系预测模型的可解释性进行评估，得到可解释评估结果；根据可解释评估结果改进模型；获取来自用户的问题，将该问题输入改进好的少样本关系预测模型中，得到该问题的可信预测结果；本发明选取多种对比模型进行分析，通过改变少样本关系预测模型和对比模型的数据量和数据内容计算评价指标并分析不同数据量和不同数据内容对模型的影响；通过改变少样本关系预测模型中的卷积神经网络的超参数如激活函数、池化策略、正则化等计算评价指标并分析超参数对模型的影响；本发明提高了模型的关系预测结果的可信度，实用性高。