LREBench

本文提出了在低资源环境下构建关系提取系统的实证研究。基于最近的plm，对三种方案进行了全面研究，以评估低资源环境下的性能 :( i) 具有少量标签数据的不同类型的基于提示的方法; (ii) 解决长尾分布问题的多种平衡方法；(三) 数据增强技术和自我训练，以生成更多带标签的域内数据。

搜集汇总

背景与挑战

背景概述

LREBench是一个专注于低资源环境下关系提取系统实证研究的数据集，由腾讯·浙江大学于2022年发布。该研究评估了基于提示的方法、平衡方法以及数据增强与自训练技术，旨在提升在少量标注数据下的性能表现。