本文综述了少样本与零样本实体识别及关系抽取的多项研究,包括:SEE-Few多任务框架(无需源域数据)、FFF-NER(基于预训练模型微调)、ConceptFERE(概念增强关系抽取)、CASENT(序列到序列预测实体类型,速度更快且优于大模型)、FiD-Ex(提升解释性)、词典检索器(中文实体链接)、GPT-3联合抽取科学文本实体关系、seq2rel(端到端文档级关系抽取)、基于Transformer的二进制分类方法(提升生物医学少样本NER),以及基于预训练语言模型的少样本泛化改进方案。
完成下面两步后,将自动完成登录并继续当前操作。