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！

龙图腾网获悉杭州电子科技大学申请的专利一种融合实体标签编码的小样本学习命名实体识别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：CN116108850B 。

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：202310111669.7，技术领域涉及：G06F40/295；该发明授权一种融合实体标签编码的小样本学习命名实体识别方法是由姜明;陈跃晨;张旻设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本一种融合实体标签编码的小样本学习命名实体识别方法在说明书摘要公布了：本发明公开了一种融合实体标签编码的小样本学习命名实体识别方法，包括：步骤1得到字符特征及其序列；步骤2得到词对特征矩阵、距离特征矩阵和区域特征矩阵，并拼接得到词对关系特征矩阵；步骤3得到每个实体标签的特征表示；步骤4计算每个词对关系特征与实体标签特征的点积相似度，得到转移概率矩阵；步骤5选取最优模型作为最终的预训练模型；步骤6载入预训练模型进行小样本学习，将句子输入到模型中，输出词对关系矩阵。该方法将分别对词对和实体标签进行编码，再将词对的表征和实体标签的表征进行匹配，得到词与词之间的实体关系。能够在低资源的情况下，有效地识别连续实体、重叠实体和不连续实体。

本发明授权一种融合实体标签编码的小样本学习命名实体识别方法在权利要求书中公布了：1.一种融合实体标签编码的小样本学习命名实体识别方法，其特征在于，包括以下步骤： 步骤1构建数据集，数据集中包含若干样本以及对应样本标注的实体标签； 步骤2使用Bert将输入句子中的每个字符进行字嵌入转化，得到字符特征序列； 步骤3利用CLN将步骤2的字符特征序列表示成词对特征矩阵V，同时计算各个字符之间的距离表示成距离特征矩阵Ed，以及一个上下三角区域特征矩阵Et，将三个特征矩阵的特征进行拼接得到词对关系特征矩阵C； 步骤4将每个实体标签进行自然语言的转换，再使用Bert对这些标签进行编码，得到每个实体标签的特征表示L； 步骤5对于词对关系特征矩阵C中的每个词对关系特征表示，与每个实体标签的特征表示计算点积相似度，得到每个词对与每个实体标签的转移概率矩阵； 步骤6用标注样本对步骤2-步骤5组成的模型进行训练，选取最优模型作为最终的预训练模型； 步骤7载入预训练模型，标注样本进行小样本学习，将句子输入到训练好的模型中，输出词对关系矩阵Y，对词对关系矩阵进行解码，得到最终的实体词及其类型。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。