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。