本研究提出了一种新颖的槽关注机制SMARTe，旨在解决关系三元组提取任务中的模型不可解释性问题。该方法实现了内在可解释性，同时保持与最先进模型相当的性能。

本文提出了一种新的多原型嵌入网络模型，旨在提高少样本关系三元组提取的性能。通过混合原型学习机制和原型感知正则化，模型有效连接文本与知识，注入实体和关系的隐式相关性。实验结果表明，该方法在多个基准测试中表现优异，尤其在低样本情况下。