基于Prompt Learning的信息抽取

PTR: Prompt Tuning with Rules for Text Classification

清华；liuzhiyuan；通过规则制定subpromptRelation Extraction as Open-book Examination: Retrieval-enhanced Prompt Tuning

Relation Extraction as Open-book Examination: Retrieval-enhanced Prompt Tuning

ACM SIGIR 22；浙大；chenhuajun & zhangningyu 团队；将关系抽取视为开卷，训练过程中通过[MASK]的向量，构建知识embedding库，以及KNN检索。Inference时，考虑KNN的topn结果，可以提升模型的鲁棒性和在长尾数据上的效果。

KnowPrompt: Knowledge-aware Prompt-tuning with Synergistic Optimization for Relation Extraction；

WWW22；浙大；chenhuajun & zhangningyu 团队；我们在实体周围分配虚拟类型词，这些词使用潜在实体类型集合的聚合嵌入进行初始化；将MLM个具有额外可学习关系嵌入的头部层扩展为虚拟答案词集V‘，以完全表示对应的关系标签Y。

Knowledgeable Prompt-tuning: Incorporating Knowledge into Prompt Verbalizer for Text Classification；

ACL22；清华；liuzhiyuan；将 [MASK] 出来的词和 label 映射时，通过KB扩展label 对应的lable，去掉噪声优化这些词，在loss层面对扩展出来的词做区分对待。

AugPrompt: Knowledgeable augmented-trigger prompt for few-shot event classification

Information Processing & Management；设计了一个外部知识注入模块(External Knowledge Injection, EKI)以整合外部知识库(相关词)进行触发词扩充; 并提出事件提示生成(Event Prompt Generation, EPG)模块，以生成适当的离散提示来初始化连续提示和事件提示调优(Event Prompt Tuning, EPT)模块，在连续空间中自动搜索FSEC的提示预测输入的相应事件类型。

DictPrompt: Comprehensive dictionary-integrated prompt tuning for pre-trained language model

利用词典中的语义信息缓解PLM中低频词表示不足的问题，结合语料库中的词、定义及其例句设计了一套全面的提示模板。DictPrompt使用这些模板在预训练和微调之间插入一个单词游戏训练任务，允许模型向PLM注入更多语义信息。