一种基于课程规划元学习的增量关系抽取方法

摘要

本发明公开了一种基于课程规划元学习的增量关系抽取方法，包括以下步骤：构建课程规划元学习增量关系抽取框架；计算关系间相似度，并根据相似度重新规划记忆缓存训练顺序；训练关系抽取神经网络模型，并结合元学习思想，使用元学习参数更新公式对关系抽取神经网络模型的参数进行更新；利用聚类方法从训练数据中挑选出一批记忆缓存；将更新后的参数载入到关系抽取神经网络模型，并进行性能测试。本发明将课程学习和元学习思想引入到增量关系抽取任务中，有效提升了模型的平均准确率和整体准确率，并降低了模型的误差范围，从而有效缓解了增量学习中的“灾难性遗忘”和“次序敏感”问题，在主流的数据集上取得了优于传统方法的效果。