实体归一化是一项重要的信息抽取任务，近年来在生物医学与生命科学领域重新受到广泛关注。在这些领域，以及更广泛的专业领域中，该任务对最新的基于机器学习的方法而言仍具挑战性，主要原因是这些方法在处理高度多类且少样本学习问题时表现不佳。为应对这一挑战，我们提出了一种名为 C-Norm 的新型神经网络方法，该方法通过协同整合标准监督、弱监督、本体知识与分布语义，有效提升了实体归一化的性能。