買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京大學(xué)申請的專利一種基于人工智能大模型的快速標(biāo)注方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119848549B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510047610.5，技術(shù)領(lǐng)域涉及：G06F18/214；該發(fā)明授權(quán)一種基于人工智能大模型的快速標(biāo)注方法是由楊登峰;楊采靈;王靜怡設(shè)計研發(fā)完成，并于2025-01-13向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于人工智能大模型的快速標(biāo)注方法在說明書摘要公布了：本發(fā)明涉及人工智能技術(shù)領(lǐng)域，公開一種基于人工智能大模型的快速標(biāo)注方法，包括：步驟1、通過目標(biāo)領(lǐng)域的文檔集合提取特定領(lǐng)域的實體集合和關(guān)系集合，其中，使用實體識別技術(shù)識別文檔中領(lǐng)域相關(guān)的名詞、術(shù)語和關(guān)鍵詞，形成實體集合，且利用關(guān)系抽取技術(shù)分析實體間的邏輯和語義關(guān)聯(lián)性，生成關(guān)系集合，將實體集合與關(guān)系集合結(jié)合構(gòu)建知識三元組，知識三元組包含實體與實體間的關(guān)聯(lián)關(guān)系。通過引入領(lǐng)域知識圖譜，將目標(biāo)領(lǐng)域文檔中提取的實體和關(guān)系信息結(jié)構(gòu)化為知識三元組，且與待標(biāo)注數(shù)據(jù)匹配優(yōu)化標(biāo)注的語義信息，實現(xiàn)標(biāo)注結(jié)果的領(lǐng)域適配性和語義一致性，得到標(biāo)注數(shù)據(jù)在專業(yè)領(lǐng)域中更高的準(zhǔn)確性和一致性效果。

本發(fā)明授權(quán)一種基于人工智能大模型的快速標(biāo)注方法在權(quán)利要求書中公布了：1.一種基于人工智能大模型的快速標(biāo)注方法，其特征在于，包括： 步驟1、通過目標(biāo)領(lǐng)域的文檔集合提取特定領(lǐng)域的實體集合和關(guān)系集合，其中，使用實體識別技術(shù)識別文檔中領(lǐng)域相關(guān)的名詞、術(shù)語和關(guān)鍵詞，形成實體集合，且利用關(guān)系抽取技術(shù)分析實體間的邏輯和語義關(guān)聯(lián)性，生成關(guān)系集合，將實體集合與關(guān)系集合結(jié)合構(gòu)建知識三元組，知識三元組包含實體與實體間的關(guān)聯(lián)關(guān)系，將構(gòu)建的知識三元組存儲在圖數(shù)據(jù)庫中，形成領(lǐng)域知識圖譜； 步驟2、在知識圖譜的基礎(chǔ)上，對待標(biāo)注數(shù)據(jù)進行知識增強標(biāo)注，將待標(biāo)注數(shù)據(jù)與領(lǐng)域知識圖譜進行匹配，根據(jù)待標(biāo)注數(shù)據(jù)中出現(xiàn)的實體，與知識圖譜中對應(yīng)的實體進行關(guān)聯(lián)匹配，通過查詢知識圖譜中實體的上下文關(guān)聯(lián)關(guān)系來優(yōu)化標(biāo)注的語義信息，匹配過程中，依據(jù)知識三元組中的實體和關(guān)系構(gòu)建的邏輯，為步驟3提供領(lǐng)域信息背景； 步驟3、基于知識增強標(biāo)注的結(jié)果，設(shè)計動態(tài)提示模板進行優(yōu)化，結(jié)合標(biāo)注任務(wù)的歷史數(shù)據(jù)，通過分析歷史標(biāo)注結(jié)果，動態(tài)調(diào)整提示模板的內(nèi)容和結(jié)構(gòu)，在動態(tài)提示模板中，結(jié)合知識增強標(biāo)注提供的領(lǐng)域信息，生成特定標(biāo)注任務(wù)的提示內(nèi)容，以供人工智能大模型在標(biāo)注任務(wù)中使用； 步驟4、利用動態(tài)提示模板和大模型對待標(biāo)注數(shù)據(jù)進行初步標(biāo)注，且通過主動學(xué)習(xí)的方式對未標(biāo)注數(shù)據(jù)中的樣本進行篩選，在篩選過程中，結(jié)合標(biāo)注結(jié)果中的分類概率分布計算樣本的不確定性評分，根據(jù)不確定性評分的高低對樣本進行排序，依據(jù)設(shè)置的不確定性閾值挑選部分樣本進行人工復(fù)核，對人工復(fù)核后的樣本，將修正后的數(shù)據(jù)回傳到模型訓(xùn)練集中，更新模型參數(shù)； 步驟5、針對多模態(tài)標(biāo)注任務(wù)，利用優(yōu)化的大模型對多模態(tài)數(shù)據(jù)進行標(biāo)注，且在文本和圖像的多模態(tài)數(shù)據(jù)中，提取文本特征向量和視覺特征向量，通過特征向量的對齊匹配實現(xiàn)多模態(tài)數(shù)據(jù)的協(xié)同標(biāo)注，同時，針對標(biāo)簽的層級化結(jié)構(gòu)，構(gòu)建包含不同粒度的標(biāo)簽體系，根據(jù)標(biāo)注任務(wù)的需求對標(biāo)簽進行優(yōu)化，通過計算標(biāo)簽層級間的關(guān)聯(lián)關(guān)系調(diào)整標(biāo)注概率，生成標(biāo)注結(jié)果且輸出至自動化標(biāo)注工作流中，完成整體的快速標(biāo)注任務(wù)流程。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京大學(xué)，其通訊地址為：210000 江蘇省南京市棲霞區(qū)仙林大道163號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。