连续关系抽取从连续的非稳态数据流中逐步学习关系知识，在新增训练数据时保持模型的稳定。我中心大数据部提出了一个DP-CRE框架，将训练目标解耦为旧知识的保存与新知识的获取两个任务，并通过分析新关系出现时数据嵌入空间的改变，改进了知识的保存和获取过程，实现了从非平稳数据流中增量学习关系知识，为连续关系抽取提供了新思路。实验结果表明该模型在多项指标上均取得显著提高。

该研究成果被The 2024 Joint International Conference on Computational Linguistics,Language Resources and Evaluation（LERC-COLING24,CCF B类）接受。论文第一作者为大数据部硕士研究生黄梦依，导师为杜一研究员。

该成果得到重点研发计划青年科学家项目和国家自然科学基金优秀青年科学基金项目等支持。

解耦的连续关系抽取框架

相关成果：Mengyi Huang,Meng Xiao,Ludi Wang,Yi Du. DP-CRE: Continual Relation Extraction via Decoupled Contrastive Learning and Memory Structure Preservation[C].// LREC-COLING 2024: The 2024 Joint International Conference on Computational Linguistics,Language Resources and Evaluation,2024.（Accepted）

责任编辑：郎杨琴