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！

龙图腾网获悉中国科学院计算技术研究所;苏州空天信息研究院申请的专利一种基于原型网络门控机制的类增量知识获取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：CN119204013B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411218721.X，技术领域涉及：G06F40/295；该发明授权一种基于原型网络门控机制的类增量知识获取方法是由靳小龙;郭嘉丰;程学旗;宋路杰;冯禹铭;张文清;闵飞设计研发完成，并于2024-09-02向国家知识产权局提交的专利申请。

本一种基于原型网络门控机制的类增量知识获取方法在说明书摘要公布了：本发明提供了一种基于原型网络门控机制的类增量知识获取方法，包括获取待预测的文本；将文本输入经知识获取领域的类增量学习方法训练得到的编码模块，得到各词元的特征向量，并各词元的特征向量构建每个知识单元的单元表示；利用预设的原型网络门控机制确定各知识单元所属的类别，包括：获取每个知识单元的单元表示与各类别的原型表示之间的相似度，根据相似度筛选部分匹配的专家网络对知识单元进行预测，得到筛选出的专家网络对知识单元是否属于该专家网络对应类别的预测值；对于重叠的知识单元，仅保留其中具有最高预测值的知识单元的预测值；如果一个知识单元在所有类别的预测值都小于预设阈值，则该知识单元不属于任何专家网络所对应的类别。

本发明授权一种基于原型网络门控机制的类增量知识获取方法在权利要求书中公布了：1.一种知识获取领域的类增量学习方法，每次在知识获取任务需新增识别的类别时执行该方法，包括： S1、在模型中为新增类别新建专属的专家网络，模型包括用于从输入文本提取各词元的特征向量的基于BERT的编码模块和每个类别的专家网络；每个类别的专家网络用于从输入文本中知识单元的单元表示提取类别嵌入，以及，根据类别嵌入确定知识单元属于该类别的预测值，其中，单元表示包括知识单元所涉及词元的特征向量； S2、执行预习阶段的训练，包括：获取S1中用于训练知识单元是否属于新增类别的专有训练集，利用所述专有训练集和二分类交叉熵损失函数对新建的专家网络和编码模块进行训练，得到经预习的编码网络和专家网络； S3、利用最新的编码网络对各类别的专有训练集的文本中各个词语提取特征向量，用以构建知识单元的单元表示，以及根据每个类别的知识单元的单元表示进行聚类以得到多个簇，从每个簇内确定具有代表性的原型表示和抽取单元表示，将抽取的单元表示所对应的原样本用于构建该类别的核心集； S4、执行复习阶段的训练，包括：获取新增类别的专有训练集和各类别的核心集构成的混合训练集，利用预设的总损失函数、原型表示和混合训练集训练更新各个专家网络和编码模块的参数。

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中国科学院计算技术研究所;苏州空天信息研究院，其通讯地址为：100190 北京市海淀区中关村科学院南路6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。