[发明专利]数据处理方法、装置、电子设备及计算机可读存储介质有效

专利信息
申请号: 202010247367.9 申请日: 2020-03-31
公开(公告)号: CN111460303B 公开(公告)日: 2023-07-04
发明(设计)人: 周瑜;臧云飞 申请(专利权)人: 拉扎斯网络科技(上海)有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06N3/0464;G06N3/08
代理公司: 北京智信四方知识产权代理有限公司 11519 代理人: 吕雁葭;宋海龙
地址: 200333 上海*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 数据处理 方法 装置 电子设备 计算机 可读 存储 介质
【权利要求书】:

1.一种数据处理方法,其特征在于,包括:

通过处理器根据第一文本数据,利用第一模型获取第一文本语义向量,根据第二文本数据,利用所述第一模型获取第二文本语义向量,其中,所述第一模型是训练好的模型;

将所述第一文本语义向量输入第二模型,将所述第二文本语义向量输入第三模型,将所述第二模型生成的第一组第一类型向量输入所述第三模型,将所述第三模型生成的第二组第一类型向量输入所述第二模型,获取所述第二模型输出的第三文本语义向量和所述第三模型输出的第四文本语义向量,其中,所述第二模型和所述第三模型是训练好的模型,所述第一类型向量包括查询向量或键向量;

基于所述第三文本语义向量和所述第四文本语义向量,确定所述第一文本数据和所述第二文本数据的相似度。

2.根据权利要求1所述的方法,其特征在于:所述第二模型包括沿所述第二模型的输入到输出方向依次连接的第1到第N个第一子模型,所述第一子模型包括沿所述第一子模型的输入到输出方向依次连接的第一线性层、第一多头注意力层、第一残差归一化层、第一前馈神经网络层和第二残差归一化层;

所述第三模型包括沿所述第三模型的输入到输出方向依次连接的第1到第N个第二子模型,所述第二子模型包括沿所述第二子模型的输入到输出方向依次连接的第二线性层、第二多头注意力层、第三残差归一化层、第二前馈神经网络层和第四残差归一化层,其中,N≥1。

3.根据权利要求2所述的方法,其特征在于:

所述第一组第一类型向量包括M个第一类型向量VA1i,所述第二组第一类型向量包括M个第一类型向量VA2i,其中,1≤M≤N,i取不小于1且不大于N的任意一个或多个值;

通过第i个所述第一子模型的所述第一线性层生成所述第一类型向量VA1i,通过第i个所述第二子模型的所述第二线性层生成所述第一类型向量VA2i;所述将所述第二模型生成的第一组第一类型向量输入所述第三模型,将所述第三模型生成的第二组第一类型向量输入所述第二模型,包括:将第一类型向量VA1i输入第i个所述第二子模型的所述第二多头注意力层,将第一类型向量VA2i输入第i个所述第一子模型的所述第一多头注意力层。

4.根据权利要求3所述的方法,其特征在于,还包括:

通过第j个所述第一子模型的所述第一线性层,生成第二类型向量VB1j和第三类型向量VC1j,通过第j个所述第二子模型的所述第二线性层,生成第二类型向量VB2j和第三类型向量VC2j,j=1~N;

通过第k个所述第一子模型的所述第一线性层生成第一类型向量VA1k,通过第k个所述第二子模型的所述第二线性层生成所述第一类型向量VA2k,k取不小于1且不大于N的数值中不等于i的值;

将第二类型向量VB1j和第三类型向量VC1j输入所述第j个所述第一子模型的所述第一多头注意力层,将第二类型向量VB2j和第三类型向量VC2j输入第j个所述第二子模型的所述第二多头注意力层;

将第一类型向量VA1k输入第k个所述第一子模型的所述第一多头注意力层,将第一类型向量VA2k输入第k个所述第二子模型的所述第二多头注意力层,

其中:当第一类型向量是查询向量时,第二类型向量是值向量,第三类型向量是键向量,当第一类型向量是键向量时,第二类型向量是值向量,第三类型向量是查询向量。

5.根据权利要求3所述的方法,其特征在于,i的取值至少包括1。

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拉扎斯网络科技(上海)有限公司,未经拉扎斯网络科技(上海)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/202010247367.9/1.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