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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利实体知识索引的跨视图反思排序蒸馏方法、设备及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：CN120764628B 。

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：202510959317.6，技术领域涉及：G06N3/096；该发明授权实体知识索引的跨视图反思排序蒸馏方法、设备及介质是由老明瑞;朱嘉楠;张雪毅;郭延明;汤俊;李正设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本实体知识索引的跨视图反思排序蒸馏方法、设备及介质在说明书摘要公布了：本发明涉及一种实体知识索引的跨视图反思排序蒸馏方法、设备及介质，该方法通过排序知识迁移提升视觉缺失下的实体链接鲁棒性。基于完整多模态数据训练教师模型，生成纯文本数据输入学生模型继承教师架构与参数。具体包括：排序对齐损失：通过可微分排序对齐教师完整模态与学生缺失模态的实体排序分布，保留语义区分性；跨视图蒸馏：利用教师实体‑提及反向排序增强多模态表征理解；自一致性约束：强制学生提及‑实体排序与反向实体‑提及排序一致，突破单向检索局限。三损失联合优化后，部署仅需文本输入的学生模型。相比传统概率蒸馏，通过排序传递与跨视图自省机制，显著提升缺失场景稳定性，且无额外参量。

本发明授权实体知识索引的跨视图反思排序蒸馏方法、设备及介质在权利要求书中公布了：1.一种实体知识索引的跨视图反思排序蒸馏方法，其特征在于，包括如下步骤： 基于完整多模态数据训练教师模型，所述完整多模态数据包含文本模态和视觉模态的提及-实体对； 通过屏蔽所述完整多模态数据中的视觉模态，生成仅含文本模态的不完整提及数据； 构建学生模型，所述学生模型与所述教师模型采用相同的网络架构，并基于所述教师模型的参数初始化； 将所述完整多模态数据输入至所述教师模型，同时将所述不完整提及数据输入至所述学生模型； 基于所述教师模型输出的提及-实体相似度，生成完整模态下实体的第一排序分布； 基于所述学生模型输出的提及-实体相似度，生成不完整模态下实体的第二排序分布； 定义排序对齐损失函数，通过可微分策略最小化所述第一排序分布与所述第二排序分布的差异； 基于所述教师模型的实体-提及相似度，生成跨视图排序分布，并定义跨视图蒸馏损失函数以对齐所述学生模型的跨视图排序分布； 定义自一致性损失函数，强制所述学生模型的提及-实体排序分布与其反向生成的实体-提及排序分布一致； 联合优化所述排序对齐损失函数、跨视图蒸馏损失函数及自一致性损失函数，更新所述学生模型的参数，得到训练完成的学生模型； 部署训练完成的所述学生模型，用于处理视觉模态缺失的提及-实体链接任务。

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中国人民解放军国防科技大学，其通讯地址为：410003 湖南省长沙市开福区德雅路109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。