引入了混合注意力机制：Instance-Level Attention；零样本学习（ZSL）：基于可见标注数据集及可见标签集合，学习并预测不可见数据集结果。方法：转换问题设定；学习输入特征空间到类别描述的语义空间的映射。终身知识抽取（存在知识遗忘问题）基于实体关系原型网络的少样本知识抽取。基本范式：N-way-K-shot。基于表示对齐的终身关系抽取。

知识图谱领域事件的定义：事件是发生在某个特定时间点或时间段、某个特定的地域范围内，由一个或者多个角色参与的一个或多个动作组成的事情或者状态的改变。模版的产生完全基于人工标注语料，学习效果高度依赖与人工标注质量。b.事件元素周围语句中包含了事件元素在事件中的角色描述。a.事件元素首次提及之处即可确定该元素与事件间的关系。2.分类要素的角色：参与事件的实体在事件所扮演的角色。形态时态没有明显的变化。1

知识图谱抽取：概念（Concept）、实体（Entities）、关系（Relation）、事实（Facts）、事件（Events）、规则（Rules）（优点：具有可解释性；问句->语义解析->语义表示（基于符号的表示方法or基于分布式的表示方法）->语义匹配、查询、推理->知识图谱。知识图谱最基本的组成单元是三元组：subject、predicate、object（主、谓、宾）基于图结构或表示学习