.png){kind=icon}
返回
PLM$^{3}$RC: A PLM-Based Method for Multilingual Relation Classification Without Using Parallel Corpora
.png){kind=icon}
PRE
AI
DOI：10.1109/TBDATA.2025.3644648.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在利用关系分类（RC）技术构建知识库时，处理多语言和跨领域数据至关重要。然而，大多数现有的多语言RC方法需要平行语料库，且部分方法可能导致计算开销显著增加。为解决这些挑战，我们提出了一种基于预训练语言模型（PLMs）的多语言RC方法，称为PLM$^{3}$RC。该方法首先引入实体提示和多语言PLMs来构建共享编码器网络，以捕获关系分类的共享语言不变知识；随后引入多个领域特定分类器以捕获语言和领域特定知识。为实現多语言知识迁移，进一步引入对抗学习并设计线性判别器。我们进行了一系列实验验证该方法的有效性。实验结果表明，PLM$^{3}$RC在多语言场景下优于其他主流RC方法，且仅需常规计算资源。此外，结果清晰表明，该方法能够有效利用多语言数据进行知识迁移，无需使用平行语料库。
Keyword:
Relation classification
multilingual transfer learning
discriminative transformer
pre-trained language models
期刊
I
IF:
5.7
论文数:
887
被引数:
3.0K
机构
引用论文
暂无论文信息