买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学申请的专利一种少样本信息抽取方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120146053B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510367073.2，技术领域涉及：G06F40/295；该发明授权一种少样本信息抽取方法和系统是由沈颖;查恩泽;韩瑜设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种少样本信息抽取方法和系统在说明书摘要公布了：本发明公开了一种少样本信息抽取方法和系统，涉及人工智能技术领域，包括：采用句子支持集的句子样本输入初始命名实体识别模型进行模型训练；通过实体边界检测器对句子样本进行边界检测输出实体边界，并计算边界检测分类损失和边界感知对比损失；通过实体分类器采用句子样本和实体边界进行实体分类，输出多个目标实体嵌入的预测实体标签概率分布，并计算令牌对比损失、正则化损失、原型分类损失和实体对比损失；基于各损失对初始命名实体识别模型迭代优化，并采用句子查询集验证确定目标命名实体识别模型；将待识别句子输入目标命名实体识别模型输出目标识别结果。上述方案得到的目标命名实体识别模型有助于改善少样本命名实体识别准确度。

本发明授权一种少样本信息抽取方法和系统在权利要求书中公布了：1.一种少样本信息抽取方法，其特征在于，包括： 采用句子支持集的句子样本输入初始命名实体识别模型进行模型训练，所述初始命名实体识别模型包括实体边界检测器和实体分类器； 通过所述实体边界检测器对所述句子样本进行边界检测，输出实体边界，并计算边界检测分类损失和边界感知对比损失； 通过所述实体分类器采用所述句子样本和所述实体边界进行实体分类，输出多个目标实体嵌入的预测实体标签概率分布，并计算令牌对比损失、正则化损失、原型分类损失和实体对比损失； 基于所述边界检测分类损失、所述边界感知对比损失、所述令牌对比损失、所述正则化损失、所述原型分类损失和所述实体对比损失对所述初始命名实体识别模型进行迭代优化模型参数，并采用句子查询集进行验证，确定目标命名实体识别模型； 将待识别句子输入所述目标命名实体识别模型进行边界检测和实体分类，输出目标识别结果； 边界感知对比损失，包括： ； ； ； 式中，为边界感知对比损失，为sigmoid函数，为实体嵌入，为实体的开始，为实体的结尾，为带缩放系数的余弦相似度，为正样本表征，为负样本表征，为L2范数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。