원래 이름 기록: 国网山东省电力公司德州供电公司; 北京邮电大学

本发明是一种少样本命名实体识别中基于联合对比学习的原型语义解耦合方法，属于自然语言处理领域。具体来说，本发明通过类特定遮蔽和全实体遮蔽两种屏蔽策略，将类特定原型和上下文语义原型解耦，分别构建类特定原型和上下文语义原型，使模型专注于两种不同的语义信息进行推理。此外，本发明进一步引入实例级对比学习和原型级对比学习的联合对比学习目标，以更好地整合两种解耦信息，防止语义崩溃。

本发明是一种用于对话系统中槽填充任务的任务型预训练的对抗性噪声鲁棒性增强的方法，属于自然语言处理领域。本发明采用了一种特定于噪声槽填充任务的噪声对齐预训练框架，其中包含两个任务：槽掩码预测任务和句子噪声判别任务。这些任务的目的是指导预训练语言模型更好地捕获槽信息和噪声分布。在微调阶段，采用了对比学习训练，以增强实体和标签的语义表示。此外，还引入了对抗性攻击训练策略，以提高模型的鲁棒性，使其能够更好地应对未知的噪声干扰。本发明提出的方法具有良好的性能和泛化能力，在对话系统中具有广泛的应用前景。