[发明专利]基于UniLM与对比学习的相似句生成模型训练方法及相关设备在审
| 申请号： | 202111327839.2 | 申请日： | 2021-11-10 |
| 公开（公告）号： | CN113987154A | 公开（公告）日： | 2022-01-28 |
| 发明（设计）人： | 黄勇其;王伟;于翠翠;张黔 | 申请（专利权）人： | 润联软件系统（深圳）有限公司 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F16/33;G06N3/08 |
| 代理公司： | 深圳市世联合知识产权代理有限公司 44385 | 代理人： | 刘畅 |
| 地址： | 518000 广东省深圳市福田区梅林街*** | 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 unilm 对比 学习 相似 生成 模型 训练 方法 相关 设备 | ||
1.一种基于UniLM与对比学习的相似句生成模型训练方法，其特征在于，所述方法包括：
将样本句子输入到相似句生成模型中，其中，所述相似句生成模型包括句子编码层、包括一个掩码矩阵的多头自注意力结构，所述句子编码层用于对样本句子进行编码处理得到稠密向量，所述多头自注意力结构用于提取所述稠密向量中的关键信息，将所述关键信息与所述稠密向量组成正样本以计算对比损失函数；
将所述稠密向量输入到UniLM模型中，得到输出句子，计算所述样本句子与所述输出句子之间的文本对齐损失函数；
将所述对比损失函数和所述文本对齐损失函数相加后，得到总损失函数，并基于梯度下降法计算所述总损失函数的最终值，得到训练后的相似句生成模型。
2.根据权利要求1所述的方法，其特征在于，所述交叉熵损失函数J为：
其中，为输入向量zi经过归一化指数函数函数映射成概率值，得到的当前稠密向量解码成某个字的概率。
3.根据权利要求1所述的方法，其特征在于，所述总损失函数Loss为：
Loss＝Lcont+J
其中，Lcont为对比损失函数，J为交叉熵损失函数。
4.一种基于UniLM与对比学习的相似句生成模型训练装置，其特征在于，包括：
第一损失模块，用于将样本句子输入到相似句生成模型中，其中，所述相似句生成模型包括句子编码层、包括一个掩码矩阵的多头自注意力结构，所述句子编码层用于对样本句子进行编码处理得到稠密向量，所述多头自注意力结构用于提取所述稠密向量中的关键信息，将所述关键信息与所述稠密向量组成正样本以计算对比损失函数；
第二损失模块，用于将所述稠密向量输入到UniLM模型中，得到输出句子，计算所述样本句子与所述输出句子之间的文本对齐损失函数；
总损失模块，用于将所述对比损失函数和所述文本对齐损失函数相加后，得到总损失函数，并基于梯度下降法计算所述总损失函数的最终值，得到训练后的相似句生成模型。
5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现权利要求1至3中任一项所述方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
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润联软件系统（深圳）有限公司，未经润联软件系统（深圳）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/202111327839.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：基于曲线均值聚类算法的边缘侧用电数据聚类方法及装置
- 下一篇：一种水刀医用泵
