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！

龙图腾网获悉江西师范大学申请的专利自适应层级融合与门控语义增强的少样本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：CN121480514B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202610015080.0，技术领域涉及：G06F40/295；该发明授权自适应层级融合与门控语义增强的少样本实体识别方法是由黄琪;邱全安;彭俊;王明文;罗文兵;周嫱薇;王云宗;苏梦莹设计研发完成，并于2026-01-07向国家知识产权局提交的专利申请。

本自适应层级融合与门控语义增强的少样本实体识别方法在说明书摘要公布了：本发明公开了自适应层级融合与门控语义增强的少样本实体识别方法，步骤包括：采集多领域数据集预处理得少样本命名实体识别数据集，抽取带标注样本组成目标域支持集；拆分任务为跨度检测与类型分类，构建一个包含多层特征提取、自适应边界检测、门控语义增强、目标域推理的实体识别模型；经AdamW优化器分阶段优化参数后，在目标域查询集上进行推理并评估。本发明通过自适应层级融合整合预训练模型深浅层语义，并利用门控机制增强了特征表示，提升实体边界判别力，实现少样本场景下的高质量实体识别。

本发明授权自适应层级融合与门控语义增强的少样本实体识别方法在权利要求书中公布了：1.自适应层级融合与门控语义增强的少样本实体识别方法，其特征在于，包括如下步骤： 步骤S1：采集多领域的公开数据集，经预处理后构建少样本命名实体识别数据集；所述少样本命名实体识别数据集包含源域数据集与目标域数据集；从目标域数据集中划分目标域支持集和目标域查询集； 采集的多领域的公开数据集覆盖通用领域、医学领域、新闻领域及社交媒体领域的公开数据集； 步骤S2：构建实体识别模型，所述实体识别模型包括特征提取模块、自适应边界检测模块、门控语义增强模块和目标域推理模块；特征提取模块由第一文本编码器和第二文本编码器组成；将源域数据集输入第一文本编码器，编码得到文本特征；自适应边界检测模块融合第一文本编码器输出的多层文本特征并优化自身参数，识别出用于训练的候选实体跨度；门控语义增强模块接收自适应边界检测模块的输出，利用门控机制抑制与用于训练的候选实体跨度无关的上下文噪声，输出增强实体特征表示并优化第二文本编码器参数；目标域推理模块结合目标域支持集微调自适应边界检测模块，并对经门控语义增强模块优化后的第二文本编码器进行适应性微调，在微调结束后利用微调后的第二文本编码器生成类别原型，利用微调后的自适应边界检测模块基于目标域查询集生成候选实体跨度；计算动态阈值过滤候选实体跨度与类别原型的相似度匹配结果，输出实体识别结果； 步骤S3：用AdamW优化器分阶段优化微调后的自适应边界检测模块参数和微调后的第二文本编码器参数；基于目标域查询集，用优化参数后的自适应边界检测模块与第二文本编码器推理并评估识别性能； 目标域推理模块结合目标域支持集微调自适应边界检测模块，并对经门控语义增强模块优化后的第二文本编码器进行适应性微调的具体过程为： 设定目标域支持集为，表示目标域支持集中第个样本，即文本序列，表示目标域支持集的样本总数，表示对应的标签集合，采用标注模式；，表示中，第个位置对应的标签，表示的长度，即包含的词数量；采用目标域支持集微调自适应边界检测模块，引入早停机制，训练完成后，得到微调后的自适应边界检测模块； 获取预设的实体类型名称集合，采用经门控语义增强模块优化后的第二文本编码器对实体类型名称集合中第实体类型名称进行编码，生成对应的语义嵌入向量，将所有语义嵌入向量堆叠为权重矩阵； 为经门控语义增强模块优化后的第二文本编码器增设线性分类层，采用权重矩阵替换线性分类层的权重参数；第二文本编码器增设的线性分类层用于将第二文本编码器的输出映射到实体类型标签空间； 冻结更新权重参数后的线性分类层，仅优化经门控语义增强模块优化后的第二文本编码器的参数，通过分类损失函数优化，引入自适应早停机制，训练完成后，得到微调后的第二文本编码器。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。