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！

龙图腾网获悉扬州大学申请的专利一种基于提示学习的伪标签迭代的领域自适应方法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：CN115640829B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211273240.X，技术领域涉及：G06N3/045；该发明授权一种基于提示学习的伪标签迭代的领域自适应方法是由李云;沈辉;朱毅;强继朋;袁运浩设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本一种基于提示学习的伪标签迭代的领域自适应方法在说明书摘要公布了：本发明公开了一种基于提示学习的伪标签迭代的领域自适应方法，包括1选择Bert模型，将该预训练语言模型作为主干，对提示学习方法中的模板和标签词进行设置；2构造出所需要的提示学习模型，随机选取少量源域数据样本进行训练，通过预训练语言模型进行掩码语言建模，对输入的目标域句子预测出其伪标签；3随机选取少量其伪标签目标域数据进行训练，通过提示学习方法，再次预测出目标域数据的伪标签，通过多次迭代，得到目标域中部分数据样本的标签，最后在目标域标签中，再选取少量带有标签的目标域数据样本进行训练。本发明利用提示学习伪标签迭代的方法，在少量源域数据样本的前提下，能够在目标域分类任务中达到更好的性能。

本发明授权一种基于提示学习的伪标签迭代的领域自适应方法在权利要求书中公布了：1.一种基于提示学习的伪标签迭代的领域自适应方法，其特征在于，包括以下步骤： 1选择Bert模型，将该预训练语言模型作为主干，对提示学习方法中的模板和标签词进行设置； 2构造出所需要的提示学习模型，随机选取少量源域数据样本进行训练，之后将没有标签的目标域中句子嵌入到同样的模板中，通过预训练语言模型进行掩码语言建模，对输入的目标域句子预测出其伪标签； 步骤2.1构造提示学习模型，调用openprompt第三方库中的提示学习分类函数，所述提示学习分类函数包括三个参数，分别是预训练语言模型、模板、标签词，将步骤1中得到的三个变量分别赋予进去，从而得到提示模型； 步骤2.2在对少量源域数据进行训练后，当目标域句子嵌入到模板中，它将被归类带标签为y的类别中，其中y∈Y，标签词集为Vy＝{v1，v2，…，vn}，Vy是整个词汇V的子集，即Vy∈V，并且Vy被映射到标签为y的类别中；在预训练语言模型中，Vy中的每个单词被填入到[MASK]中，其概率表示为P[MASK]＝v∈Vy|Xp；对目标域分类任务转化为标签词的概率计算问题，其计算公式如1所示： Py∈Y|Xp＝P[MASK]＝v∈Vy|Xp1 步骤2.3在求出Vy中每个标签词的概率后，将目标域中每个标签词得到的预测概率映射到具体地类别标签上，预测分数的平均值作为最后伪标签的依据，则预测伪标签如2所示： 3随机选取其少量伪标签的目标域数据进行训练，通过提示学习方法，再次预测出目标域数据的伪标签，通过多次迭代，得到目标域中部分数据样本的标签，最后在目标域标签中，再选取少量带有标签的目标域数据样本进行训练，最终对目标域中的全部数据进行分类测试； 步骤3.1在得到目标域中的伪标签后，选取少量带有伪标签目标域的数据进行训练后，通过提示学习的方法，再次对目标域中的所有数据进行伪标签的预测； 步骤3.2通过多次迭代后，得到多个不同的目标域数据的伪标签，然后设置一个阈值k，当通过多次迭代后，如果目标域中单个数据的相同伪标签个数等于k，则该伪标签为该条目标域数据的标签； 步骤3.3最后通过对阈值的设定，得到目标域中部分数据样本的标签，最后在目标域标签中，再选取少量带有标签的目标数据样本进行训练，将全部没有标签的目标域中句子嵌入到提示模板中，通过预训练语言模型进行掩码语言建模，最终对目标域中的全部数据进行分类测试。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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。