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！

龙图腾网获悉广东外语外贸大学申请的专利跨语言命名实体识别模型训练方法、装置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：CN115577710B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211354575.4，技术领域涉及：G06F40/295；该发明授权跨语言命名实体识别模型训练方法、装置及存储介质是由蒋盛益;付颖雯;林楠铠;林晓钿;杨子渝设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本跨语言命名实体识别模型训练方法、装置及存储介质在说明书摘要公布了：本发明公开一种跨语言命名实体识别模型训练方法、装置及存储介质。构建原始的跨语言命名实体识别模型，模型包括源分支模块、目标分支模块和优化模块；根据预先获取的源语言的监督数据对源分支模块进行训练，根据预先获取的目标语言的弱监督数据对目标分支模块进行训练；基于自蒸馏机制，根据目标语言的无标注数据对源分支模块和目标分支模块进行优化，得到最终的跨语言命名实体识别模型。本发明实施例能够通过构建包括源分支模块、目标分支模块和优化模块的模型，以源语言的监督数据、目标语言的弱监督数据、目标语言的无标注数据作为训练样本来进行模型训练，适用于低资源语言，无需建立明确的约束且适用于非同源语言的命名实体识别。

本发明授权跨语言命名实体识别模型训练方法、装置及存储介质在权利要求书中公布了：1.一种跨语言命名实体识别模型训练方法，其特征在于，包括： 构建并训练跨语言命名实体识别模型； 其中，所述跨语言命名实体识别模型包括源分支模块、目标分支模块和优化模块；所述源分支模块用于根据源语言的监督数据进行训练，所述目标分支模块用于根据目标语言的弱监督数据进行训练，所述优化模块用于基于自蒸馏机制，根据所述目标语言的无标注数据对所述源分支模块和所述目标分支模块进行优化； 所述弱监督数据包括第一弱监督数据和第二弱监督数据； 所述目标分支模块具体通过以下方式进行训练： 将预先获取的目标语言的第一弱监督数据以预设屏蔽概率对实体进行屏蔽，基于MLM目标，训练得到mBERT1tgt模型； 以mBERT1tgt模型为基础，将所述第一弱监督数据的目标语言序列隐藏表示后送入第二MLP分类器以预测所述目标语言序列的每一词语是否为实体的边界，得到mBERT2tgt模型； 基于词典的远程监督方法，根据所述第一弱监督数据生成第二弱监督数据，其中，所述第二弱监督数据为具有特定实体类型的弱监督数据； 以mBERT2tgt模型为基础，在每一轮训练中，将所述第二弱监督数据的目标语言序列作为训练样本进行模型训练，得到mBERT3tgt模型；其中，在所述目标分支模块的每次训练迭代后，使用当前轮次得到的mBERT3tgt模型再次预测所述第二弱监督数据，当存在一个实体的预测标签分布概率大于预设的概率阈值且不存在于具有所述第二弱监督数据中，对所述第二弱监督数据进行更新以用于下一次训练迭代。

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广东外语外贸大学，其通讯地址为：510420 广东省广州市白云大道北2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。