一种基于提示学习和对抗性训练的模板化命名实体识别方法
技术特征：
1.一种基于提示学习和对抗性训练的模板化命名实体识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于提示学习和对抗性训练的模板化命名实体识别方法，其特征在于，所述步骤1的具体方法为：
3.根据权利要求1所述的一种基于提示学习和对抗性训练的模板化命名实体识别方法，其特征在于，所述步骤2的具体方法为：
4.根据权利要求3所述的一种基于提示学习和对抗性训练的模板化命名实体识别方法，其特征在于，所述步骤2.3中具体过程为：
5.根据权利要求1所述的一种基于提示学习和对抗性训练的模板化命名实体识别方法，其特征在于，所述步骤3的具体方法为：
6.根据权利要求1或5所述的一种基于提示学习和对抗性训练的模板化命名实体识别方法，其特征在于，所述步骤4的具体方法为：
7.根据权利要求1所述的一种基于提示学习和对抗性训练的模板化命名实体识别方法，其特征在于，所述步骤5的具体方法为：
技术总结
本发明公开了一种基于提示学习和对抗性训练的模板化命名实体识别方法。首先通过生成使用模板的合成句子，将NER任务转换为seq2seq任务，定义针对不同类型实体的提示模板，将目标实体转换为特定格式的句子，并将其与输入句子结合生成提示输入。其次将提示输入集输入至T5，通过提示学习对模型进行微调。利用投影梯度下降方法生成对抗性样本，并进行监督对比学习和混合对抗训练。将生成的对抗性样本与原始样本结合形成新的训练集，输入至T5进行联合训练，通过模型融合进一步提升性能，并对模型进行全面评估。最后输入新的句子，通过提示模板生成提示输入，使用微调和对抗性训练后的T5模型进行推理，识别并标注句子中的命名实体。
技术研发人员：马甲林,李俊宇,王浩,姚子俊,林俊锋,谢乾,汪涛,翟中豪
受保护的技术使用者：淮阴工学院
技术研发日：
技术公布日：2024/11/26
文档序号 :
【 40126601 】
技术研发人员：马甲林,李俊宇,王浩,姚子俊,林俊锋,谢乾,汪涛,翟中豪
技术所有人：淮阴工学院
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：马甲林,李俊宇,王浩,姚子俊,林俊锋,谢乾,汪涛,翟中豪
技术所有人：淮阴工学院
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除