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！

龙图腾网获悉重庆邮电大学申请的专利一种基于提示学习与标签感知的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：CN119990132B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510084440.8，技术领域涉及：G06F40/295；该发明授权一种基于提示学习与标签感知的命名实体识别方法是由张璞;林雨;李玉川;黄荣耀设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于提示学习与标签感知的命名实体识别方法在说明书摘要公布了：本发明属于自然语言处理技术领域，具体涉及一种基于提示学习与标签感知的命名实体识别方法；包括：在预处理好的命名实体识别数据中的每一句话前拼接多个提示模板；为处理后的句子添加提示掩码并输入到BERT模型中，得到提示槽与句子的语义表征；将实体标签输入到BERT模型中，得到标签语义表征；将句子的语义表征输入到双向LSTM中并对提示槽语义表征使用自注意力机制处理，进一步得到句子上下文语义矩阵与提示槽深层语义矩阵；根据提示槽深层语义矩阵和标签语义表征计算分类槽概率分布，实现实体分类；根据句子上下文语义矩阵和提示槽深层语义矩阵计算定位槽概率分布，实现实体定位；本发明能显著提高模型的实体提取能力，同时减少时间与空间开销。

本发明授权一种基于提示学习与标签感知的命名实体识别方法在权利要求书中公布了：1.一种基于提示学习与标签感知的命名实体识别方法，其特征在于，包括：获取待识别的文本并对其进行预处理，将预处理后的文本输入到训练好的命名实体识别模型中进行处理，得到命名实体识别结果； 命名实体识别模型的训练过程包括： S1：获取命名实体识别数据集并对其进行预处理，得到预处理好的命名实体识别数据； S2：在命名实体识别数据中的每一句话前拼接多个提示模板，并统一拼接提示模板后句子的长度； S3：在拼接提示模板后的句子中添加提示掩码后输入到BERT模型中，得到提示槽语义表征与句子语义表征； S4：将实体标签输入到BERT模型中，得到标签语义表征； S5：将句子语义表征输入到双向LSTM网络中得到句子上下文语义矩阵；根据句子上下文语义矩阵对提示槽语义表征使用自注意力机制处理，得到提示槽深层语义矩阵； S6：通过线性层将提示槽深层语义矩阵映射为分类槽编码矩阵，根据分类槽编码矩阵与标签语义表征计算分类槽概率分布；计算分类槽概率分布的过程包括：通过线性映射将提示槽深层语义矩阵映射为分类槽编码矩阵；将分类槽编码矩阵与标签语义表征做点积运算，得到提示槽与实体类别的匹配度矩阵；提示槽与实体类别的匹配度矩阵经过线性层解码得到分类槽概率分布； S7：根据提示槽深层语义矩阵和句子上下文语义矩阵计算定位槽概率分布；计算定位槽概率分布的过程包括： 将提示槽深层语义矩阵经过线性映射，得到定位槽编码矩阵； 将定位槽编码矩阵与经过线性映射后的句子上下文语义矩阵相加，得到第一矩阵； 将分类槽编码矩阵与经过线性映射后的句子上下文语义矩阵相加，得到第二矩阵； 将第一矩阵与第二矩阵相加，再次通过一个线性层解码得到定位槽概率分布； S8：根据分类槽概率分布和定位槽概率分布计算提示槽与实体的最小匹配损失，得到最优匹配方案；计算提示槽与实体的匹配损失的过程包括： 根据分类槽概率分布和定位槽概率分布计算每个实体的采样权重； 根据采样权重对实体进行重复采样以填充所有提示槽，得到所有提示槽与实体的匹配方案； 计算所有提示槽与实体的匹配方案中的最小匹配损失，选择最小匹配损失对应的匹配方案作为最优匹配方案； S9：在最优匹配方案下计算模型总损失，根据模型总损失调整模型参数，得到训练好的命名实体识别模型；模型总损失为定位损失与分类损失的加权和，其中： 分类损失表示为： ； 定位损失表示为： ； 其中，表示最优匹配的排列下提示槽i所输出的真实类别所对应的置信概率值，、表示在最优匹配的排列下提示槽i所输出的真实左、右边界所对应的置信概率值，表示指标函数，M表示提示槽数量。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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。