本发明公开了一种基于门控神经网络的半导体器件模型参数提取方法及装置，其中方法包括：通过拉丁超立方采样生成初始数据集；初始数据集包括多个电数据样本及其对应的一组真实模型参数；对初始数据集进行关于是否满足物理规律的数据质量筛选，得到优化数据集；利用优化数据集训练门控神经网络模型，得到预训练的门控神经网络模型；该门控神经网络模型包括#imgabs0#个专家网络、#imgabs1#个门控网络和#imgabs2#个塔网络；门控网络能够为#imgabs3#个专家网络分别生成门控分数；训练时根据模型参数损失值和门控分数调整门控神经网络模型的网络权重参数。本发明通过结合神经网络与门控机制和模型感知技术，能够更准确、高效地从测量数据中提取半导体器件模型参数。