CN111539226B - 语义理解框架结构的搜索方法和装置 - Google Patents
语义理解框架结构的搜索方法和装置 Download PDFInfo
- Publication number
- CN111539226B CN111539226B CN202010592760.1A CN202010592760A CN111539226B CN 111539226 B CN111539226 B CN 111539226B CN 202010592760 A CN202010592760 A CN 202010592760A CN 111539226 B CN111539226 B CN 111539226B
- Authority
- CN
- China
- Prior art keywords
- semantic understanding
- framework structure
- understanding framework
- coding
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种语义理解框架结构的搜索方法、装置、电子设备和存储介质,涉及人工智能、深度学习、云计算、自然语言处理、智能搜索等领域。具体实现方案为:接收服务器发起的编码请求;响应于接收到的编码请求,利用编码生成器生成编码信息,向所述服务器发送所述编码信息,以获取所述编码信息对应的语义理解框架结构及其性能信息;响应于获取到的性能信息,更新所述编码生成器;如果所述编码生成器的更新次数达到预设阈值N,则在发送所述编码信息后,停止接收所述编码请求;将第N次更新的编码生成器所生成的编码信息对应的语义理解框架结构确定为目标结构。本申请实施例可以提高自动搜索语义理解框架结构的速度。
Description
技术领域
本申请涉及数据处理领域,尤其涉及人工智能、深度学习、云计算、自然语言处理、智能搜索等领域。
背景技术
语义理解框架是一种较为通用的语义理解模型。语义理解框架在预训练阶段中利用大量的语料和语义任务,获得多个维度的自然语言信息。当用于具体的语义理解任务时,语义理解框架会被加上不同的输出层,以解决实际任务。语义理解框架一般部署在服务器上,使用较大型的模型结构承载海量的语义知识,提高语义表示能力。
发明内容
本申请提供了一种语义理解框架结构的搜索方法、装置、电子设备和存储介质。
根据本申请的一方面,提供了一种语义理解框架结构的搜索方法,应用于控制器,该方法包括:
接收服务器发起的编码请求;
响应于接收到的编码请求,利用编码生成器生成编码信息,向服务器发送编码信息,以获取编码信息对应的语义理解框架结构及其性能信息;
响应于获取到的性能信息,根据性能信息,更新编码生成器;
如果编码生成器的更新次数达到预设阈值N,则在发送编码信息后,停止接收编码请求;
将第N次更新的编码生成器所生成的编码信息对应的语义理解框架结构确定为目标结构。
根据本申请的另一方面,提供了一种语义理解框架结构的搜索方法,应用于服务器,该方法包括:
向控制器发送编码请求;
接收编码请求对应的编码信息;
根据编码信息,获取对应的语义理解框架结构和语义理解框架结构的性能信息;
向控制器发送语义理解框架结构和语义理解框架结构的性能信息。
根据本申请的另一方面,提供了一种语义理解框架结构的搜索装置,应用于控制器,该装置包括:
第一接收模块,用于接收服务器发起的编码请求;
第一响应模块,用于响应于接收到的编码请求,利用编码生成器生成编码信息,向服务器发送编码信息,以获取编码信息对应的语义理解框架结构及其性能信息;
第二响应模块,用于响应于获取到的性能信息,根据性能信息,更新编码生成器;
停止模块,用于如果编码生成器的更新次数达到预设阈值N,则在发送编码信息后,停止接收编码请求;
确定模块,用于将第N次更新的编码生成器所生成的编码信息对应的语义理解框架结构确定为目标结构。
根据本申请的另一方面,提供了一种语义理解框架结构的搜索装置,应用于服务器,该装置包括:
第一发送模块,用于向控制器发送编码请求;
第三接收模块,用于接收编码请求对应的编码信息;
第三获取模块,用于根据编码信息,获取对应的语义理解框架结构和语义理解框架结构的性能信息;
第二发送模块,用于向控制器发送语义理解框架结构和语义理解框架结构的性能信息。
根据本申请的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请任一实施例提供的方法。
根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本申请任一实施例提供的方法。
根据本申请的技术方案,控制器利用编码生成器生成编码信息,服务器根据编码信息获取对应的语义理解框架结构及其性能信息,控制器可以根据性能信息更新编码生成器,使得编码生成器每一次采样的结果都是对上一次采样的结果的优化,从而自动搜索出性能最优的语义理解框架结构。通过优化语义理解框架结构,使得语义理解框架可应用于更广泛的设备场景。并且,通过将获取语义理解框架结构及其性能信息的任务分发至服务器处理,可以提高搜索速度。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请示例性实施例提供的语义理解框架结构的搜索方法的示意图;
图2是本申请示例性实施例提供的语义理解框架结构的搜索方法的示意图;
图3是本申请示例性实施例提供的语义理解框架结构的搜索方法的示意图;
图4是本申请示例性实施例提供的语义理解框架结构的搜索装置的示意图;
图5是本申请示例性实施例提供的语义理解框架结构的搜索装置的示意图;
图6是本申请示例性实施例提供的语义理解框架结构的搜索装置的示意图;
图7是本申请示例性实施例提供的语义理解框架结构的搜索装置的示意图;
图8是用来实现本申请实施例的语义理解框架结构的搜索方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了本申请一示例性实施例提供的语义理解框架结构的搜索方法的示意图。该方法可应用于控制器,如图1所示,该方法包括:
步骤S11,接收服务器发起的编码请求;
步骤S12,响应于接收到的编码请求,利用编码生成器生成编码信息,向服务器发送编码信息,以获取编码信息对应的语义理解框架结构和语义理解框架结构的性能信息;
步骤S13,响应于获取到的性能信息,根据性能信息,更新编码生成器;
步骤S14,如果编码生成器的更新次数达到预设阈值N,则在发送编码信息后,停止接收编码请求;
步骤S15,将第N次更新的编码生成器所生成的编码信息对应的语义理解框架结构确定为目标结构。
本申请实施例中,控制器可以指用于控制搜索方法全流程的电子设备,服务器可以指用于根据编码信息,获取语义理解框架结构及其性能信息的电子设备。通过控制器和服务器之间的交互,可以完成对编码生成器的N次迭代更新,逐次优化编码生成器,最终使编码生成器生成最优编码信息并获得对应的语义理解框架结构,作为目标结构。
由于目标结构是优化改进的语义理解框架结构,因此,目标结构可应用于更广泛的设备场景。例如,可以针对终端设备对模型大小的限制性需求,配置编码生成器或搜索空间,搜索出能够在终端设备上运行的性能较优的语义理解框架,使得终端设备也能够具备较强的语义理解能力。
实际应用时,服务器的数量可以是多个。
举例而言,控制器可以监听其所连接的多个服务器发起的编码请求。每次收到编码请求,就基于当前的编码生成器生成编码信息,向发起编码请求的服务器发送该编码信息。每次收到服务器返回的语义理解框架结构及其性能信息,就更新一次编码生成器。直至更新N次后,再收到编码请求时,将第N次更新的编码生成器所生成的编码信息发送给服务器,并停止接收请求。然后,等待服务器返回对应的语义理解框架结构,将其确定为目标结构。
其中,在更新次数未达到预设阈值的情况下,控制器持续接收编码请求和性能信息,并累计编码生成器的更新次数。在此期间,如果控制器与其他服务器建立连接,也可以接收其他服务器发起的编码请求,并发送编码信息至该服务器。服务器与控制器建立连接后,可以向控制器发起编码请求,在发送语义理解框架结构及其性能信息至控制器后,即可再次发起编码请求,也可以先处理其他任务,空闲时再发起编码请求。
可见,通过多个服务器的异步分布式处理,控制器可以快速地得到多个性能信息,提高更新编码生成器的效率,加快搜索目标结构的进程。
在一种示例性实施方式中,如图2所示,上述方法还包括:
步骤S21,根据搜索空间初始化编码生成器,以使编码生成器生成的编码信息对应于搜索空间中的语义理解框架结构;其中,搜索空间包括至少两个语义理解框架结构;
步骤S22,接收服务器发起的空间请求;
步骤S23,响应于接收到的空间请求,向服务器发送搜索空间,搜索空间用于使服务器能够确定接收到的编码信息对应的语义理解框架结构。
由于编码生成器是根据搜索空间初始化的,因此,编码生成器中生成的编码信息对应于搜索空间中的语义理解框架结构。服务器在首次发起编码请求前,可以先发起空间请求,以获得搜索空间,以便于根据搜索空间,确定编码信息对应的语义理解框架结构。
例如,搜索空间中包括各语义理解框架结构对应的标签信息,编码生成器初始化后,生成的编码信息为搜索空间中的标签信息。服务器在收到标签信息后,可以从搜索空间中确定出对应的语义理解框架。
根据该示例性实施方式,控制器将搜索空间同步给服务器,以便于控制器与服务器基于相同的搜索空间进行编解码,有利于提高服务器解码语义理解模型结构的准确性,提高优化质量。
在一种示例性的实施方式中,可以基于预先筛选的语义理解框架结构得到搜索空间。例如,先筛选出多个符合终端设备的部署要求的语义理解框架结构,利用这些语义理解框架结构得到搜索空间,再自动搜索得到能够在终端设备上部署的最优的语义理解框架结构。
在一种示例性的实施方式中,可以通过遍历框架结构参数得到搜索空间。具体而言,在步骤S21之前,语义理解框架结构的搜索方法还可以包括:
遍历框架结构参数,以得到至少两个采用框架结构参数表征的语义理解框架结构;
基于至少两个语义理解框架结构,得到搜索空间。
其中,框架结构参数包括能够确定出语义理解框架的具体结构的各种参数。例如,ERNIE(Enhanced Representation Knowledge Integration,知识增强语义表示)模型一般由多个Transformer模型堆叠组成,则框架结构参数可包括Transformer模型的堆叠个数。
举例而言,如果框架结构参数包括Transformer模型的堆叠个数和Transformer模型中隐层单元的个数,且Transformer模型的堆叠个数的遍历范围是1至12,Transformer模型中隐层单元的个数的遍历范围是1至1024,则在1至12之间逐个遍历得到Transformer模型的堆叠个数,针对每次的遍历结果中的每个Transformer模型,在1至1024间逐个遍历得到隐层单元的个数,最终得到遍历范围内的全部语义理解框架结构。
作为示例,遍历范围可基于一定的精度配置。例如,设定Transformer模型的堆叠个数的精度为2,则将遍历范围配置为集合{2,4,6,8,10,12}或{1,3,5,7,9,11}。又如,设定Transformer模型的堆叠个数的精度为4,则将遍历范围配置为{1,5,9}。通过设定遍历范围的精度,可以控制编码生成器的采样效率和目标结构的精度。
根据该示例性的实施方式,搜索空间可以包括遍历范围内的全部语义理解框架结构,使得确定出来的目标结构为遍历范围内的全局最优。
示例性地,框架结构参数可以包括以下参数中的一种或多种:
(1)Transformer模型的堆叠个数;
针对终端设备例如移动终端,Transformer模型的堆叠个数可以在1至12之间;针对服务器,在对延时不敏感的场景下,堆叠个数可以超过12,例如在1至24之间。
(2)Transformer模型中隐层单元的个数;
针对终端设备,Transformer模型中隐层单元的个数可以在1至1024之间;针对服务器,在对延时不敏感的场景下,隐层单元的个数可以超过1024,例如在1至2048之间。
(3)堆叠的各Transformer之间的残差参数;
残差参数用于表示一个Transformer模型能够与相邻多远的另一个Transformer模型进行残差,例如,第L个Transformer模型可以与任意的(L+n)个Transformer模型进行残差,则n为残差参数。其中,(L+n)小于或等于最大的Transformer模型堆叠个数。
根据该示例性的实施方式,框架结构参数可包括多种参数,因此,可以根据终端设备的需求,灵活地设置搜索空间,有利于搜索到满足终端设备需求的最优的语义理解框架结构。
示例性地,编码生成器可基于采样规则在搜索空间中采样语义理解框架结构,以生成编码信息。其中,采样规则可以包括采样范围、采样算法、约束条件等。例如,先根据一些先验信息初始化采样规则;再利用编码生成器根据采样规则进行采样;根据采样得到的语义理解框架结构的性能信息,通过更新采样规则的方式更新编码生成器;编码生成器基于更优化的采样规则进行采样,直至采样次数达到预设阈值。其中,更新采样规则的方式可以是缩小采样范围、调整采样算法、增加约束条件等
示例性地,搜索空间中的语义理解框架结构为知识增强语义表示ERNIE模型的结构。
ERNIE模型是基于持续学习的语义理解框架。利用ERNIE模型,新构建的预训练任务类型可以无缝的加入框架,持续的进行语义理解学习。通过新增的实体预测、句子因果关系判断、文章句子结构重建等语义任务,使ERNIE模型获得词法、句法、语义等多个维度的自然语言信息,极大地增强了通用语义表示能力。
根据该示例性实施方式,可以针对各种设备的需求,搜索出最优的ERNIE模型,使得ERNIE模型可应用于更广泛的设备场景。对模型大小有限制性需求的终端设备也可以运行ERNIE模型,增强终端设备的通用语义表示能力。
在一种示例性的实施方式中,语义理解框架结构的搜索方法还可以包括:
获取待识别文本;
根据目标结构,得到待识别文本的识别结果。
具体实施时,可以通过训练目标结构,得到收敛的语义理解框架,然后,根据该语义理解框架得到待识别文本的识别结果。
其中,待识别文本的识别结果,可以是与待识别文本对应的结构化的、电子设备可读的信息,例如待识别文本的翻译结果、待识别文本对应的控制指令、待识别文本的关键词、主题词等。
根据该示例性的实施方式,根据自动搜索得到的最优的语义理解框架结构,得到待识别文本的识别结果,可以提高识别结果的准确度。
图3示出了本申请一示例性实施例提供的语义理解框架结构的搜索方法的示意图。该方法可应用于服务器,如图3所示,该方法包括:
步骤S31,向控制器发送编码请求;
步骤S32,接收编码请求对应的编码信息;
步骤S33,根据编码信息,获取对应的语义理解框架结构和语义理解框架结构的性能信息;
步骤S34,向控制器发送语义理解框架结构和语义理解框架结构的性能信息。
其中,控制器可以指用于控制搜索方法全流程的电子设备,服务器可以指用于根据编码信息,获取语义理解框架结构及其性能信息的电子设备。控制器与服务器之间可参考上述方法交互,完成对编码生成器的N次迭代更新,逐次优化编码生成器,最终使编码生成器生成最优编码信息并获得对应的语义理解框架结构,作为目标结构。
示例性地,步骤S33可以包括:
根据编码信息,确定对应的语义理解框架结构;
训练语义理解框架结构,得到语义理解框架结构的性能信息。
具体实施时,对语义理解框架结构进行训练,可以得到收敛的语义理解框架。然后,对该语义理解框架进行评估,得到语义理解框架结构的性能信息。控制器可以将性能信息作为奖励反馈值(reward),根据reward更新编码生成器。
根据该示例性实施方式,服务器得到的性能信息是基于训练后收敛的模型得到的,因此,提高了性能信息的准确度,相应地,提高了编码生成器和目标结构的优化质量。
可选地,服务器执行的语义理解框架结构的搜索方法中的技术细节可参考控制器执行的方法中的任意实施方式设置。
根据本申请实施例的方法,控制器利用编码生成器生成编码信息,服务器根据编码信息获取对应的语义理解框架结构及其性能信息,控制器可以根据性能信息更新编码生成器,使得编码生成器每一次采样的结果都是对上一次采样的结果的优化,从而自动搜索出性能最优的语义理解框架结构。通过优化语义理解框架结构,使得语义理解框架可应用于更广泛的设备场景。并且,通过将获取语义理解框架结构及其性能信息的任务分发至服务器处理,可以提高搜索速度。
图4出了本申请一示例性实施例提供的语义理解框架结构的搜索装置的示意图,该装置可应用于控制器。如图4所示,该装置包括:
第一接收模块410,用于接收服务器发起的编码请求;
第一响应模块420,用于响应于接收到的编码请求,利用编码生成器生成编码信息,向所述服务器发送所述编码信息,以获取所述编码信息对应的语义理解框架结构及其性能信息;
第二响应模块430,用于响应于获取到的性能信息,根据所述性能信息,更新所述编码生成器;
停止模块440,用于如果所述编码生成器的更新次数达到预设阈值N,则在发送所述编码信息后,停止接收所述编码请求;
确定模块450,用于将第N次更新的编码生成器所生成的编码信息对应的语义理解框架结构确定为目标结构。
示例性地,如图5所示,该装置还包括:
初始化模块510,用于根据搜索空间初始化所述编码生成器,以使所述编码生成器生成的编码信息对应于所述搜索空间中的语义理解框架结构;其中,所述搜索空间包括至少两个语义理解框架结构;
第二接收模块520,用于接收服务器发起的空间请求;
第三响应模块530,用于响应于接收到的空间请求,向所述服务器发送所述搜索空间,所述搜索空间用于使所述服务器能够确定接收到的编码信息对应的语义理解框架结构。
示例性地,如图5所示,该装置还包括:
遍历模块540,用于遍历框架结构参数,以得到至少两个采用框架结构参数表征的语义理解框架结构;
第一获取模块550,用于基于所述至少两个语义理解框架结构,得到所述搜索空间。
示例性地,所述框架结构参数包括Transformer模型的堆叠次数、Transformer模型中隐层单元的个数和/或堆叠的各Transformer模型之间的残差参数。
示例性地,如图5所示,该装置还包括:
第二获取模块560,用于获取待识别文本;
识别模块570,用于根据所述目标结构,得到所述待识别文本的识别结果。
图6出了本申请一示例性实施例提供的语义理解框架结构的搜索装置的示意图,该装置可应用于服务器。如图6所示,该装置包括:
第一发送模块610,用于向控制器发送编码请求;
第三接收模块620,用于接收所述编码请求对应的编码信息;
第三获取模块630,用于根据所述编码信息,获取对应的语义理解框架结构和所述语义理解框架结构的性能信息;
第二发送模块640,用于向所述控制器发送所述语义理解框架结构和所述语义理解框架结构的性能信息。
示例性地,如图7所示,所述第三获取模块630包括:
确定单元631,用于根据所述编码信息,确定对应的语义理解框架结构;
训练单元632,用于训练所述语义理解框架结构,得到所述语义理解框架结构的性能信息。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图8所示,是根据本申请实施例的语义理解框架结构的搜索方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的语义理解框架结构的搜索方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的语义理解框架结构的搜索方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的语义理解框架结构的搜索方法对应的程序指令/模块(例如,附图4所示的第一接收模块410、第一响应模块420、第二响应模块430、停止模块440和确定模块450)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的语义理解框架结构的搜索方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据语义理解框架结构的搜索方法的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至语义理解框架结构的搜索方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
语义理解框架结构的搜索方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与语义理解框架结构的搜索方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与虚拟专用服务器(VPS)服务中,存在的管理难度大,业务扩展性弱的缺陷。
根据本申请的技术方案,控制器利用编码生成器生成编码信息,服务器根据编码信息获取对应的语义理解框架结构及其性能信息,控制器可以根据性能信息更新编码生成器,使得编码生成器每一次采样的结果都是对上一次采样的结果的优化,从而自动搜索出性能最优的语义理解框架结构。通过优化语义理解框架结构,使得语义理解框架可应用于更广泛的设备场景。并且,通过将获取语义理解框架结构及其性能信息的任务分发至服务器处理,可以提高搜索速度。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种语义理解框架结构的搜索方法,应用于控制器,所述方法包括:
接收服务器发起的编码请求;
响应于接收到的编码请求,利用编码生成器生成编码信息,向所述服务器发送所述编码信息,以获取所述编码信息对应的语义理解框架结构和所述语义理解框架结构的性能信息,所述性能信息是基于训练后收敛的语义理解框架得到的;
响应于获取到的性能信息,根据所述性能信息,更新所述编码生成器;
如果所述编码生成器的更新次数达到预设阈值N,则在发送所述编码信息后,停止接收所述编码请求;
将第N次更新的编码生成器所生成的编码信息对应的语义理解框架结构确定为目标结构;
所述方法,还包括:
根据搜索空间初始化所述编码生成器,以使所述编码生成器生成的编码信息对应于所述搜索空间中的语义理解框架结构;其中,所述搜索空间包括至少两个语义理解框架结构;
接收服务器发起的空间请求;
响应于接收到的空间请求,向所述服务器发送所述搜索空间,所述搜索空间用于使所述服务器能够确定接收到的编码信息对应的语义理解框架结构。
2.根据权利要求1所述的方法,还包括:
遍历框架结构参数,以得到至少两个采用框架结构参数表征的语义理解框架结构;
基于所述至少两个语义理解框架结构,得到所述搜索空间。
3.根据权利要求2所述的方法,其中,所述框架结构参数包括Transformer模型的堆叠次数、Transformer模型中隐层单元的个数和/或堆叠的各Transformer模型之间的残差参数。
4.根据权利要求1至3中任一项所述的方法,还包括:
获取待识别文本;
根据所述目标结构,得到所述待识别文本的识别结果。
5.一种语义理解框架结构的搜索方法,应用于服务器,所述方法包括:
向控制器发送编码请求;
接收所述编码请求对应的编码信息;
根据所述编码信息,获取对应的语义理解框架结构和所述语义理解框架结构的性能信息,所述性能信息是基于训练后收敛的语义理解框架得到的;
向所述控制器发送所述语义理解框架结构和所述语义理解框架结构的性能信息;
其中,所述控制器用于根据搜索空间初始化编码生成器,以使所述编码生成器生成的编码信息对应于所述搜索空间中的语义理解框架结构;其中,所述搜索空间包括至少两个语义理解框架结构;所述控制器接收服务器发起的空间请求,响应于接收到的空间请求,向所述服务器发送所述搜索空间,以使所述服务器能够确定接收到的编码信息对应的语义理解框架结构。
6.根据权利要求5所述的方法,其中,所述根据所述编码信息,获取对应的语义理解框架结构和所述语义理解框架结构的性能信息,包括:
根据所述编码信息,确定对应的语义理解框架结构;
训练所述语义理解框架结构,得到所述语义理解框架结构的性能信息。
7.一种语义理解框架结构的搜索装置,应用于控制器,所述装置包括:
第一接收模块,用于接收服务器发起的编码请求;
第一响应模块, 用于响应于接收到的编码请求,利用编码生成器生成编码信息,向所述服务器发送所述编码信息,以获取所述编码信息对应的语义理解框架结构及其性能信息,所述性能信息是基于训练后收敛的语义理解框架得到的;
第二响应模块,用于响应于获取到的性能信息,根据所述性能信息,更新所述编码生成器;
停止模块,用于如果所述编码生成器的更新次数达到预设阈值N,则在发送所述编码信息后,停止接收所述编码请求;
确定模块,用于将第N次更新的编码生成器所生成的编码信息对应的语义理解框架结构确定为目标结构;
所述装置,还包括:
初始化模块,用于根据搜索空间初始化所述编码生成器,以使所述编码生成器生成的编码信息对应于所述搜索空间中的语义理解框架结构;其中,所述搜索空间包括至少两个语义理解框架结构;
第二接收模块,用于接收服务器发起的空间请求;
第三响应模块,用于响应于接收到的空间请求,向所述服务器发送所述搜索空间,所述搜索空间用于使所述服务器能够确定接收到的编码信息对应的语义理解框架结构。
8.根据权利要求7所述的装置,还包括:
遍历模块,用于遍历框架结构参数,以得到至少两个采用框架结构参数表征的语义理解框架结构;
第一获取模块,用于基于所述至少两个语义理解框架结构,得到所述搜索空间。
9.根据权利要求8所述的装置,其中,所述框架结构参数包括Transformer模型的堆叠次数、Transformer模型中隐层单元的个数和/或堆叠的各Transformer模型之间的残差参数。
10.根据权利要求7至9中任一项所述的装置,还包括:
第二获取模块,用于获取待识别文本;
识别模块,用于根据所述目标结构,得到所述待识别文本的识别结果。
11.一种语义理解框架结构的搜索装置,应用于服务器,所述装置包括:
第一发送模块,用于向控制器发送编码请求;
第三接收模块,用于接收所述编码请求对应的编码信息;
第三获取模块,用于根据所述编码信息,获取对应的语义理解框架结构和所述语义理解框架结构的性能信息,所述性能信息是基于训练后收敛的语义理解框架得到的;
第二发送模块,用于向所述控制器发送所述语义理解框架结构和所述语义理解框架结构的性能信息;
其中,所述控制器用于根据搜索空间初始化编码生成器,以使所述编码生成器生成的编码信息对应于所述搜索空间中的语义理解框架结构;其中,所述搜索空间包括至少两个语义理解框架结构;所述控制器接收服务器发起的空间请求,响应于接收到的空间请求,向所述服务器发送所述搜索空间,以使所述服务器能够确定接收到的编码信息对应的语义理解框架结构。
12.根据权利要求11所述的装置,其中,所述第三获取模块包括:
确定单元,用于根据所述编码信息,确定对应的语义理解框架结构;
训练单元,用于训练所述语义理解框架结构,得到所述语义理解框架结构的性能信息。
13. 一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010592760.1A CN111539226B (zh) | 2020-06-25 | 2020-06-25 | 语义理解框架结构的搜索方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010592760.1A CN111539226B (zh) | 2020-06-25 | 2020-06-25 | 语义理解框架结构的搜索方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539226A CN111539226A (zh) | 2020-08-14 |
CN111539226B true CN111539226B (zh) | 2023-07-04 |
Family
ID=71974562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010592760.1A Active CN111539226B (zh) | 2020-06-25 | 2020-06-25 | 语义理解框架结构的搜索方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539226B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457714A (zh) * | 2019-06-25 | 2019-11-15 | 西安电子科技大学 | 一种基于时序主题模型的自然语言生成方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11474836B2 (en) * | 2018-03-13 | 2022-10-18 | Microsoft Technology Licensing, Llc | Natural language to API conversion |
US20210397926A1 (en) * | 2018-09-29 | 2021-12-23 | VII Philip Alvelda | Data representations and architectures, systems, and methods for multi-sensory fusion, computing, and cross-domain generalization |
CN110807332B (zh) * | 2019-10-30 | 2024-02-27 | 腾讯科技(深圳)有限公司 | 语义理解模型的训练方法、语义处理方法、装置及存储介质 |
CN111325000B (zh) * | 2020-01-23 | 2021-01-26 | 北京百度网讯科技有限公司 | 语言生成方法、装置及电子设备 |
CN111159416B (zh) * | 2020-04-02 | 2020-07-17 | 腾讯科技(深圳)有限公司 | 语言任务模型训练方法、装置、电子设备及存储介质 |
-
2020
- 2020-06-25 CN CN202010592760.1A patent/CN111539226B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457714A (zh) * | 2019-06-25 | 2019-11-15 | 西安电子科技大学 | 一种基于时序主题模型的自然语言生成方法 |
Non-Patent Citations (1)
Title |
---|
《基于本体的语义信息检索研究》;黎小琴;《信息科技》(第2011年第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111539226A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560912B (zh) | 分类模型的训练方法、装置、电子设备和存储介质 | |
CN111539514B (zh) | 用于生成神经网络的结构的方法和装置 | |
KR102484617B1 (ko) | 이종 그래프 노드를 표현하는 모델 생성 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
KR102567635B1 (ko) | 시맨틱 표현 모델을 트레이닝 하는 방법, 장치, 전자 기기 및 컴퓨터 기록 매체 | |
CN111241819B (zh) | 词向量生成方法、装置及电子设备 | |
CN111667056B (zh) | 用于搜索模型结构的方法和装置 | |
KR102431568B1 (ko) | 엔티티 단어 인식 방법 및 장치 | |
CN111539224B (zh) | 语义理解模型的剪枝方法、装置、电子设备和存储介质 | |
JP2021197159A (ja) | グラフニューラルネットワークをプレトレーニングする方法、プログラム及び装置 | |
CN111680517B (zh) | 用于训练模型的方法、装置、设备以及存储介质 | |
JP2021111334A (ja) | 検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器 | |
CN111144108A (zh) | 情感倾向性分析模型的建模方法、装置和电子设备 | |
CN111695698A (zh) | 用于模型蒸馏的方法、装置、电子设备及可读存储介质 | |
CN111738419A (zh) | 神经网络模型的量化方法和装置 | |
CN111177339A (zh) | 对话生成方法、装置、电子设备及存储介质 | |
CN111241838B (zh) | 文本实体的语义关系处理方法、装置及设备 | |
CN111079945A (zh) | 端到端模型的训练方法及装置 | |
CN111967591A (zh) | 神经网络自动剪枝方法、装置及电子设备 | |
KR102607536B1 (ko) | 옵티마이저 학습 방법, 장치, 전자 기기 및 판독 가능 기록 매체 | |
CN111553169B (zh) | 语义理解模型的剪枝方法、装置、电子设备和存储介质 | |
CN111680599B (zh) | 人脸识别模型处理方法、装置、设备和存储介质 | |
CN111738325B (zh) | 图像识别方法、装置、设备以及存储介质 | |
CN111539222B (zh) | 语义相似度任务模型的训练方法、装置、设备及存储介质 | |
CN111832291B (zh) | 实体识别模型的生成方法、装置、电子设备及存储介质 | |
CN111539225B (zh) | 语义理解框架结构的搜索方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |