因此 ， 实体类型推断在知识图谱中具有非常重要的价值 ， 因此该任务也一直是研究的热点 。 而在实际应用场景中 ， 新实体往往不会有百科那样多的文本特征使用 ， 因此如何利用有限的数据资源 ， 训练出更准确的实体类型推断系统则成为了一个非常有挑战的问题 。
随着近期 prompt 方式的飞速发展 ， 小样本甚至零样本的分类方法的效果都得到了大幅度的提高 。 但是在目前工业界主流的应用场景 ， 还是强依赖于标注数据的高成本运作方式 。 未来 ， 希望可以出现一套低成本且快速的范式 ， 有效解决目前实体类型推断的难题 。