[发明专利]一种基于自回归与自编码的语义相似度获取方法有效

专利信息
申请号: 201911362305.6 申请日: 2019-12-26
公开(公告)号: CN111144129B 公开(公告)日: 2023-06-06
发明(设计)人: 王开业;蒋登位;崔斌;谭启涛 申请(专利权)人: 成都航天科工大数据研究院有限公司
主分类号: G06F40/30 分类号: G06F40/30;G06F40/284;G06N3/045
代理公司: 成都顶峰专利事务所(普通合伙) 51224 代理人: 王霞
地址: 610000 四川省成都市*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 回归 编码 语义 相似 获取 方法
【说明书】:

发明属于深度学习技术领域,公开了一种基于自回归与自编码的语义相似度获取方法,包括如下步骤:S1:根据输入的原始文本,进行文本表征,获取优化的内容特征和查询特征;S2:根据上述步骤得到的内容特征和查询特征,使用优化语义提取模型进行语义特征提取;S3:根据上述步骤提取的原始文本的语义特征和现有的目标文本的语义特征,获取语义相似度。本发明提高了中文语言文本表征的准确性和文本相似度计算的准确率,解决了现有技术存在的性能损失、无法分辨单词关系以及单向问题。

技术领域

本发明属于深度学习技术领域,具体涉及一种基于自回归与自编码的语义相似度获取方法。

背景技术

现有技术通常分为两大类:一类是基于统计学的计算方法,如编辑距离计算、杰卡德系数、TF-IDF算法等等。此种方法通常需要大规模的语料库进行训练,并且在计算时没有考虑文本中的句子的结构信息和语义信息,计算的结果有时会与文本的真实语义相差较大;另一类是基于语义理解的计算方法,如word2vec、CNN、LSTM、Bert等。这种方法不仅考虑了文本的统计特征,同时,也考察了句子的层次结构、语义信息等语言特征,是目前进行语义相似度计算的主流方法。这种基于语义理解的计算方法主要流程基本相同,首先通过算法模型对两个文本中的语句进行向量表征(如字向量,词向量,句向量),再对两个向量进行比较确定其相似程度,向量表征的优劣直接决定了最后的相似度结果。目前,向量表征模型有两类:自回归模型、自编码模型。

自回归是时间序列分析或者信号处理领域的一个术语,自回归模型(AR)是指假定一个句子的生成过程如下:首先根据概率分布生成第一个词,然后根据第一个词生成第二个词,然后根据前两个词生成第三个词,不停的迭代,直到生成整个句子。自回归模型的优势是擅长生成式自然语言处理任务。因为在生成上下文时,通常是前向的。AR语言模型很自然地适用于此类NLP任务。但AR语言模型有一些缺点,它只能使用前向上下文或后向上下文,这意味着它不能同时使用前向和后向上下文。

自编码器模型(AE)是一种无监督学习,它用一个神经网络将输入的文本(输入通常还会增加一些噪声)变成一个低维的特征,这就是编码部分,然后再用一个Decoder尝试把特征恢复成原始的信号。自编码模型的优势是,它可以从向前和向后的方向看到上下文。但AE语言模型也有其缺点;它在预训练时通常会随机屏蔽掉文本中的部分词,但这种人为的干预在真实数据中是不存在的,必然导致预训练-调优的差异,降低模型的泛化能力;同时,选取屏蔽词的前提是假定每个屏蔽词在给定未屏蔽词的前提下是彼此独立的,但在真实的语言环境中,这种假设并不成立。

发明内容

本发明旨在于至少在一定程度上解决上述技术问题之一,本发明目的在于提供一种基于自回归与自编码的语义相似度获取方法。

本发明所采用的技术方案为:

一种基于自回归与自编码的语义相似度获取方法,包括如下步骤:

S1:根据输入的原始文本,进行文本表征,获取优化的内容特征和查询特征;

S2:根据上述步骤得到的内容特征和查询特征,使用优化语义提取模型进行语义特征提取;

S3:根据上述步骤提取的原始文本的语义特征和现有的目标文本的语义特征,获取语义相似度。

进一步地,步骤S1中,内容特征包括字向量、声调向量、词性向量以及位置向量;

查询特征包括声调向量、词性向量以及位置向量。

进一步地,步骤S2中,根据全排列机制和多信息注意力机制对Transformer模型进行优化,获取优化语义提取模型。

进一步地,全排列机制的具体方法为:将当前原始文本的优化的内容特征的字向量、声调向量、词性向量以及位置向量作为Transformer模型的输入向量,根据输入向量的排列顺序,获取当前字的预测输出向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都航天科工大数据研究院有限公司,未经成都航天科工大数据研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911362305.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top