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！

龙图腾网获悉西安交通大学申请的专利基于大模型增强的垂直领域小样本知识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：CN117216291B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202311188252.7，技术领域涉及：G06F16/36；该发明授权基于大模型增强的垂直领域小样本知识抽取方法和系统是由王平辉;梁润颖;李帅鹏;马杰;郭文华;何铁科设计研发完成，并于2023-09-14向国家知识产权局提交的专利申请。

本基于大模型增强的垂直领域小样本知识抽取方法和系统在说明书摘要公布了：本申请实施例提供了一种基于大模型增强的垂直领域小样本知识抽取方法和系统，涉及人工智能领域。所述方法包括：获取目标领域的第一高质标注样本，并基于预先训练的大语言模型，对第一高质标注样本进行数据增强，得到目标领域的第二高质标注样本；以从第二高质标注样本中提取的多个实体，以及多个实体中每两个实体之间的关系为训练样本，训练得到知识抽取模型；基于知识抽取模型，对输入知识抽取模型的目标领域的非结构化文本进行知识抽取，得到目标领域的目标知识图谱。本申请不仅降低了数据标注的人力成本需求，还使得知识抽取模型拥有更强的可持续化学习能力以及泛化能力，从而能够灵活应用于垂直领域的多种场景，具有较好的可扩展性。

本发明授权基于大模型增强的垂直领域小样本知识抽取方法和系统在权利要求书中公布了：1.一种基于大模型增强的垂直领域小样本知识抽取方法，其特征在于，所述方法包括： 获取目标领域的第一高质标注样本，并基于预先训练的大语言模型，对所述第一高质标注样本进行数据增强，得到所述目标领域的第二高质标注样本，所述第一高质标注样本包括：预设Schema规则、预设知识抽取训练文本语料以及所述预设知识抽取训练文本语料对应的预设知识图谱； 其中，所述基于预先训练的大语言模型，对所述第一高质标注样本进行数据增强，得到所述目标领域的第二高质标注样本，包括： 通过将所述第一高质标注样本输入所述大语言模型，得到第一目标知识图谱； 基于所述大语言模型，将所述第一目标知识图谱进行泛化处理，得到包含目标知识抽取信息的目标文本语料； 将所述目标文本语料与所述第一高质标注样本进行融合，得到所述第二高质标注样本； 所述通过将所述第一高质标注样本输入所述大语言模型，得到第一目标知识图谱，包括： 针对所述预设Schema规则设定第一提示指令； 基于所述第一提示指令，引导所述大语言模型依据所述预设Schema规则，对所述预设知识图谱进行扩充，得到所述第一目标知识图谱； 所述基于所述大语言模型，将所述第一目标知识图谱进行泛化处理，得到包含目标知识抽取信息的目标文本语料，包括： 针对所述预设知识抽取训练文本语料设定第二提示指令； 基于所述第二提示指令，引导所述大语言模型依据所述预设知识图谱，将所述第一目标知识图谱中的文本语料进行泛化处理，得到所述目标文本语料； 以从所述第二高质标注样本中提取的多个实体，以及所述多个实体中每两个实体之间的关系为训练样本，训练得到知识抽取模型； 所述以从所述第二高质标注样本中提取的多个实体，以及多个所述实体中每两个实体之间的关系为训练样本，训练得到知识抽取模型，包括： 依据所述预设Schema规则，从所述第二高质标注样本中提取出多个实体以及每两个实体之间的关系； 将每一个实体以及与其存在关系的实体进行组合，得到多个初始知识三元组，每一个所述初始知识三元组包括：头实体、关系以及尾实体； 采用多层感知机函数，对多个所述初始知识三元组中的关系正确性进行判定； 采用交叉熵损失函数对多个所述初始知识三元组中关系判定为正确的初始知识三元组进行训练，得到所述知识抽取模型； 基于所述知识抽取模型，对输入所述知识抽取模型的所述目标领域的非结构化文本进行知识抽取，得到所述目标领域的目标知识图谱。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。