最近，提示微调（Prompt-tuning）在特定的少样本分类任务中取得了较好的成果。提示微调的核心思想是将文本片段（即模板）插入输入并将分类任务转换为掩码语言建模问题。然而，对于关系提取，确定合适的提示模板需要领域专业知识，并且获得合适的标签词既麻烦又耗时。此外，关系标签之间存在着不可忽视的丰富语义和先验知识。为此，本文作者专注于将关系标签之间的知识植入到关系抽取的提示微调中，并提出一种基于协同优化的知识感知提示调整方法KnowPrompt。具体来说，本文将包含在关系标签中的潜在知识注入具有可学习虚拟类型词和答案词的提示构造过程中，然后用结构化约束协同优化它们的表示。KnowPrompt在标准监督和低资源设定下的五个数据集上取得了最优的实验效果。

 

论文下载：https://arxiv.org/abs/2104.07650