[发明专利]基于Transformer模型的数据预测方法、装置、服务器及存储介质在审
申请号: | 202110603398.8 | 申请日: | 2021-05-31 |
公开(公告)号: | CN113282707A | 公开(公告)日: | 2021-08-20 |
发明(设计)人: | 陈庆伟 | 申请(专利权)人: | 平安国际智慧城市科技股份有限公司 |
主分类号: | G06F16/33 | 分类号: | G06F16/33;G06F40/211;G06F40/216;G06F40/284 |
代理公司: | 深圳市力道知识产权代理事务所(普通合伙) 44507 | 代理人: | 张传义 |
地址: | 518000 广东省深圳市前海深港合*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 transformer 模型 数据 预测 方法 装置 服务器 存储 介质 | ||
1.一种基于Transformer模型的数据预测方法,其特征在于,包括:
获取样本语句的多个字词的词向量组成的词向量矩阵,并调用预设的Transformer模型,所述Transformer模型包括自注意力层;
将所述词向量矩阵输入至所述自注意力层,以使所述自注意力层根据所述词向量矩阵生成查询矩阵、键矩阵和值矩阵,并根据预设的随机失活算法和所述词向量矩阵生成注意力矩阵,以及根据所述查询矩阵、键矩阵、值矩阵和注意力矩阵,确定所述样本语句的多个字词之间的关注程度的概率分布矩阵;
根据所述概率分布矩阵调整所述Transformer模型的模型参数,直至所述Transformer模型收敛;
获取待预测的目标语句的词向量矩阵,将所述目标语句的词向量矩阵输入至收敛的所述Transformer模型进行处理,得到预测向量矩阵。
2.如权利要求1所述的数据预测方法,其特征在于,所述根据预设的随机失活算法和所述词向量矩阵生成注意力矩阵,包括:
获取所述词向量矩阵的矩阵尺寸和预设的最大矩阵尺寸;
根据所述矩阵尺寸和所述最大矩阵尺寸,生成随机概率矩阵;
确定对所述随机概率矩阵的每个行向量中的概率值进行随机失活的目标个数;
根据所述随机概率矩阵和所述目标个数,生成注意力矩阵。
3.如权利要求2所述的数据预测方法,其特征在于,所述根据所述矩阵尺寸和所述最大矩阵尺寸,生成随机概率矩阵,包括:
确定所述词向量矩阵的矩阵尺寸,所述矩阵尺寸包括矩阵行数和矩阵列数;
随机生成对应所述矩阵行数和矩阵列数的多个概率值,得到目标概率矩阵;
根据所述最大矩阵尺寸和预设标识对所述目标概率矩阵进行扩充,得到矩阵尺寸为所述最大矩阵尺寸的随机概率矩阵。
4.如权利要求2所述的数据预测方法,其特征在于,所述根据所述随机概率矩阵和所述目标个数,生成注意力矩阵,包括:
确定所述随机概率矩阵的每个行向量中的多个概率值被随机失活的历史次数;
根据每个所述行向量中的多个概率值被随机失活的历史次数,修正每个所述行向量中的多个概率值,得到新的随机概率矩阵;
从所述新的随机概率矩阵的每个所述行向量中选取所述目标个数的目标概率值;
将所述目标概率值替换为第一预设标识,并将除所述目标概率值之外的每个概率值替换为第二预设标识,得到注意力矩阵。
5.如权利要求1-4中任一项所述的数据预测方法,其特征在于,所述根据所述查询矩阵、键矩阵、值矩阵和注意力矩阵,确定所述样本语句的多个字词之间的关注程度的概率分布矩阵,包括:
将所述查询矩阵与所述键矩阵进行点乘,得到转置矩阵;
通过所述注意力矩阵对所述转置矩阵进行调整,得到目标矩阵;
对所述目标矩阵进行归一化运算,并将所述值矩阵与经过归一化运算后的所述目标矩阵进行相乘,得到所述概率分布矩阵。
6.如权利要求5所述的数据预测方法,其特征在于,所述通过所述注意力矩阵对所述转置矩阵进行调整,得到目标矩阵,包括:
获取预设调整公式,所述预设调整公式为其中,所述QKT表示转置矩阵,所述Attention表示注意力矩阵,所述dk表示矩阵维度,所述∞代表无穷大常数;
将所述注意力矩阵和所述转置矩阵代入所述预设调整公式进行计算,得到目标矩阵。
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平安国际智慧城市科技股份有限公司,未经平安国际智慧城市科技股份有限公司许可,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/202110603398.8/1.html,转载请声明来源钻瓜专利网。
- 基于Transformer+LSTM神经网络模型的商品销量预测方法及装置
- 一种基于Transformer模型自然场景文字识别方法
- 一种深度Transformer级联神经网络模型压缩算法
- 点云分割方法、系统、介质、计算机设备、终端及应用
- 基于Transformer的中文智能对话方法
- 一种基于改进Transformer模型的飞行器故障诊断方法和系统
- 一种基于Transformer模型的机器翻译模型优化方法
- 基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法
- 基于U-Transformer多层次特征重构的异常检测方法及系统
- 基于EfficientDet和Transformer的航空图像中的飞机检测方法
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置