基于多尺度层次原型学习的少样本关系分类方法及系统

本发明涉及自然语言处理技术领域，具体公开了基于多尺度层次原型学习的少样本关系分类方法及系统，所述方法包括构建少样本关系分类任务，生成支持集与查询集；利用预训练语言模型对支持集样本、查询集样本及关系描述信息进行编码，生成语义向量表示；通过跨集合协同、类内协同、类间协同三个层次构建多尺度层次化原型表示；计算查询样本与各类原型的距离，通过softmax输出分类概率；联合优化交叉熵损失和分布对齐损失，通过引入类内协同建模机制，使每个支持样本对原型构造的贡献动态可调，通过引入类间交互建模及关系描述信息，提升模型对细粒度关系的识别能力，通过引入支持集与查询集之间的分布对齐模块，显著减小原型与待分类样本之间的空间偏移。