一种基于少样本学习的基因组变异检测方法及系统

本发明公开了一种基于少样本学习的基因组变异检测方法及系统，涉及自然语言处理技术领域。该方法构建的基因组变异检测模型创新性地集成了自适应记忆模块、监督对比学习模块和正交迁移模块，其中，自适应记忆模块通过动态存储和更新关键信息，强化了上下文特征的有效保留与表达；监督对比学习模块借助对比学习策略优化特征表示，提升了实体和关系的语义区分能力；正交迁移模块通过引入正交约束，实现了跨任务知识的高效迁移与适配，显著增强了模型的泛化能力。上述方法及系统将实体识别任务协同优化，能够取得卓越表现，尤其在6Shot‑1Way等极少样本设置中展现出优异的检测精度和鲁棒性，为基因组变异检测提供了一种高效且精准的解决方案。