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！

龙图腾网获悉暨南大学申请的专利一种基于大语言模型的实体消歧和遗忘方法及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：CN120011534B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202411932523.X，技术领域涉及：G06F16/334；该发明授权一种基于大语言模型的实体消歧和遗忘方法及系统是由黄斐然;徐冲;刘文骁;周志博;刘志全设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于大语言模型的实体消歧和遗忘方法及系统在说明书摘要公布了：本发明公开了一种基于大语言模型的实体消歧和遗忘方法及系统，涉及自然语言处理的实体消歧技术领域，包括；确定实体消歧数据集和遗忘数据集，构建对比学习样本并进行数据预处理；利用LLaMA3模型提取特征，添加投影层和对比学习模块；通过构建损失函数，对于每个样本，使用余弦相似度计算其特征表示与正负样本的相似度，使用对比损失来度量模型在区分正负样本的效果；基于损失值，通过反向传播更新模型参数，直到模型收敛。本发明以LLaMA3模型基础架构，基于对比学习的方法增强了模型的判别能力，同时提供了实现遗忘机制的途径。本发明为模型在自然语言处理领域的研究和应用提供新的思路。

本发明授权一种基于大语言模型的实体消歧和遗忘方法及系统在权利要求书中公布了：1.一种基于大语言模型的实体消歧和遗忘方法，其特征在于，包括以下步骤： 基于实体消歧数据集和遗忘数据集，构建对比学习样本后，进行数据预处理除去无关信息，使用LLaMA3模型的词汇表，对文本进行分词和编码，生成数据集； 基于所述LLaMA3模型，通过添加投影层和对比学习模块进行改进，并依据改进后的所述LLaMA3模型，根据所述数据集进行模型训练，构建大语言模型，使得构建的所述大语言模型同时具备实体消歧和遗忘的能力； 在对LLaMA3模型进行改进的过程中，在LLaMA3模型的输出层之后添加一个投影层，将高维的文本表示映射到对比学习空间，集成对比学习所需的模块，包括对比损失计算和正负样本匹配； 在进行模型训练的过程中，对于每个样本，使用余弦相似度计算其特征表示与正样本和负样本的相似度，使用对比损失来度量模型在区分正负样本方面的效果； 在使用对比损失来度量模型在区分正负样本方面的效果的过程中，利用对比学习的损失函数InfoNCE损失来训练模型区分正负样本，公式如下： ，其中，表示样本i,表示样本i的正样本，表示样本i的负样本，包括需要遗忘的实体，表示相似度函数，表示温度超参数。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。