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！

龙图腾网获悉哈尔滨工业大学申请的专利一种两阶段少样本自动事实核查方法、电子设备及存储介质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：CN119691152B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202411828667.0，技术领域涉及：G06F16/334；该发明授权一种两阶段少样本自动事实核查方法、电子设备及存储介质是由孙承杰;吴雨航;朱聪慧;林磊;单丽莉;刘秉权设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种两阶段少样本自动事实核查方法、电子设备及存储介质在说明书摘要公布了：一种两阶段少样本自动事实核查方法、电子设备及存储介质，属于信息处理技术领域。为提高信息核查的准确性和效率，本发明包括选择公开事实验证数据集构建测试集；构建证据检索模型，采用证据检索模型对测试集的文档进行检索得到候选文档；构建句子选择模型，将候选文档中的每个句子与声明输入到提示模板中组合为句子选择模型的输入，输出句子的相关性分数作为声明验证的证据句子；构建预训练语言模型并对预训练语言模型进行微调；将声明验证的证据句子与待验证声明输入到提示模板中组合为预训练语言模型的输入，并输入到微调后的预训练语言模型中得到自然语言输出，然后映射到分类标签，依据输出序列的生成概率计算预测分数，得到最终的预测结果。

本发明授权一种两阶段少样本自动事实核查方法、电子设备及存储介质在权利要求书中公布了：1.一种两阶段少样本自动事实核查方法，其特征在于，包括如下步骤： S1.选择公开事实验证数据集构建训练集和测试集，其中包含待验证声明和知识库； S2.使用BM25对知识库中的文档构建索引作为文档检索模型，将步骤S1中测试集的声明作为查询，检索得到与步骤S1的声明最为相关的前若干个文档作为候选文档； S3.构建句子选择模型，将步骤S2得到的候选文档中的每个句子与步骤S1的声明输入到提示模板prompt中组合为句子选择模型的输入，并输入到句子选择模型中，输出句子的相关性分数； 步骤S3的具体实现方法包括如下步骤： S3.1.构建句子选择模型，采用MonoT5模型发布的检查点进行句子选择任务； S3.2.将步骤S2得到的候选文档拆分成句子，然后将步骤S2得到的候选文档中的每个句子与步骤S1的声明输入到提示模板prompt中组合，提示模板prompt的表达式为： Query:[Q]Document:[D]Relevant: 其中，Q为数据集中的声明，D为待评估的文档句子； S3.3.将步骤S3.2得到的组合输入到句子选择模型中进行重排序，输出句子的相关性分数； S4.基于步骤S3得到的句子的相关性分数，选择排名前若干个的句子，作为声明验证的证据句子； S5.构建预训练语言模型，并使用从训练集中抽取的少样本训练集对预训练语言模型进行微调； S6.将步骤S4得到的声明验证的证据句子与待验证声明输入到提示模板prompt中组合为预训练语言模型的输入，并输入到微调后的预训练语言模型中，得到自然语言输出，然后映射到分类标签，依据输出序列的生成概率计算预测分数，得到最终的预测结果； 步骤S6的具体实现方法包括如下步骤： S6.1.设置事实核查任务的输入由待验证声明Ci和步骤S4得到的声明验证的证据句子ei组成，将Ci,ei代入提示模板，得到的输出xi映射到标签yi，提示模板为： Suppose{ei},canweinferthat{Ci}？； S6.2.基于模型输入xi，生成一个目标序列yi的概率pθyi,xi： 其中，pθtj|xi,tj是模型在自回归过程中给定输入序列xi和之前生成的序列tj的条件下生成tj的概率； 由于输出序列和分类标签的对应性，将模型对yi的预测分数定义为生成目标序列概率的对数长度归一化，得到： 使用预测分数对所有类别进行排名，得到排名第一的类别作为最终的类别预测。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。