基于提示学习的市政道路工程设计标准少样本实体分类研究

市政道路工程标准数字化是当前新兴的领域,而细粒度实体分类研究是高质量完成标准数字化诸多下游任务的基础。文章以西部(重庆)科学城北碚高新产业园综合开发项目中的市政道路工程为应用场景,针对现有基于提示学习的细粒度实体分类方法未能充分利用标签本体结构的问题,提出了新的层级感知方法。首先,根据本体的层次结构,在提示模板中用多个特殊标记去预测各层级的标签;其次,根据输入样本动态地聚合各个层次标签的信息,以软提示词的形式注入预训练语言模型的输入中;最后,以本体树状结构中的路径为单位对标签进行解码。实验结果表明,提出的模型性能优于传统扁平化的提示学习方法。