CN112507705B - 一种位置编码的生成方法、装置及电子设备 - Google Patents
一种位置编码的生成方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112507705B CN112507705B CN202011519606.8A CN202011519606A CN112507705B CN 112507705 B CN112507705 B CN 112507705B CN 202011519606 A CN202011519606 A CN 202011519606A CN 112507705 B CN112507705 B CN 112507705B
- Authority
- CN
- China
- Prior art keywords
- text
- position code
- corpus
- distance
- generating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 abstract description 11
- 238000003058 natural language processing Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 7
- 239000000203 mixture Substances 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Machine Translation (AREA)
Abstract
本公开公开了一种位置编码的生成方法、装置及电子设备,涉及人工智能领域,尤其涉及深度学习以及自然语言处理技术领域。具体实现方法为:获取文本中各语料的位置,基于所述语料的位置,获取所述文本的距离位置编码;获取文本中各语料对应的语言类型,基于所述语言类型,获取所述文本的方向位置编码;基于所述距离位置编码和所述方向位置编码,生成文本的位置编码。本公开通过获取距离位置编码和方向位置编码,并基于距离位置编码和方向位置编码,生成文本的位置编码,提高了位置编码的生成过程中的准确性和可靠性。特别地,针对获取不同语言的语法的应用场景,能够更加准确、有效地捕获不同语言的位置组成。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及深度学习以及自然语言学习技术领域。
背景技术
近年来,跨语言表示正逐渐成为NLP(Natural Language Processing,自然语言处理)领域中一个重要的研究方向,学习跨语言表示对于克服自然语言处理模型的语言障碍,具有重要作用。伴随着跨语言预训练语言模型取得的巨大成功,其显著地提升了在跨语言文本分类、阅读理解等多种下游任务中的跨语言迁移能力。
然而,由于不同语种的语言语序具有多样性,这样一来,势必导致现有位置编码的生成方式中存在准确性低、可靠性差的技术问题。因此,如何能够提高位置编码的生成过程中的准确性和可靠性,已成为了重要的研究方向之一。
发明内容
本公开提供了一种位置编码的生成方法、装置及电子设备。
根据本公开的一方面,提供了一种位置编码的生成方法,包括:
获取文本中各语料的位置,基于所述语料的位置,获取所述文本的距离位置编码;
获取所述文本中各语料对应的语言类型,基于所述语言类型,获取所述文本的方向位置编码;
基于所述距离位置编码和所述方向位置编码,生成所述文本的位置编码。
根据本公开的另一方面,提供了一种位置编码的生成装置,包括:
距离位置编码获取模块,用于获取文本中各语料的位置,基于所述语料的位置,获取所述文本的距离位置编码;
方向位置编码获取模块,用于获取所述文本中各语料对应的语言类型,基于所述语言类型,获取所述文本的方向位置编码;
位置编码生成模块,用于基于所述距离位置编码和所述方向位置编码,生成所述文本的位置编码。
根据本公开的另一方面,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本公开第一方面所述的位置编码的生成方法。
根据本公开的另一方面,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,所述计算机指令用于使所述计算机执行本公开第一方面所述的位置编码的生成方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开第一方面所述的位置编码的生成方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是一种距离位置编码的示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本公开第四实施例的示意图;
图6是一种多语言模型的结构的示意图;
图7是用来实现本公开实施例的位置编码的生成方法的位置编码的生成装置的框图;
图8是用来实现本公开实施例的位置编码的生成方法的位置编码的生成装置的框图;
图9是用来实现本公开实施例的位置编码的生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
以下对本公开的方案涉及的技术领域进行简要说明:
数据处理(Data Processing),是对数据的采集、存储、检索、加工、变换和传输。数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。数据处理是系统工程和自动控制的基本环节。数据处理贯穿于社会生产和社会生活的各个领域。数据处理技术的发展及其应用的广度和深度,极大地影响了人类社会发展的进程。
AI(Artificial Intelligence,人工智能),是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术,也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。
DL(Deep Learning,深度学习),是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。
NLP(Natural Language Processing,自然语言处理),是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系,但又有重要的区别。自然语言处理并不是一般地研究自然语言,而在于研制能有效地实现自然语言通信的计算机系统,特别是其中的软件系统。因而它是计算机科学的一部分。
需要说明的是,现有技术中,通常采用基于Transformer的网络结构的方式构建跨语言模型。
其中,Transformer采用了编码-解码(Encoder-Decoder)架构。Encoder,包含两层,一个自注意力(self-attention)层和一个前馈神经网络,自注意力层能够帮助当前节点不仅仅只关注当前的词,从而能获取到上下文的语义。Decoder,包含Encoder中涉及到的两层网络,但是在这两层中间还有一层注意力(attention)层,以帮助当前节点获取到当前需要关注的重点内容。
Transformer为了捕获文本中的语序,增加了位置嵌入(Positional Encoding)来表示这种语序信息;然而由于不同的语言具有不同的语序,例如中文的主-谓-宾表示,日文中的顺序往往是主-宾-谓表示。
然而,上述的位置表示只能表示从左到右的前后顺序,或者只能表示不同位置间的相对距离,无法表示方向。这样一来,使用单一的位置嵌入难以捕获不同语言语序的多样性,势必导致现有技术中的位置编码的生成方法存在准确性低、可靠性差的技术问题。
由此,本公开通过获取距离位置编码和方向位置编码,并基于距离位置编码和方向位置编码,生成文本的位置编码,提高了位置编码的生成过程中的准确性和可靠性。特别地,针对获取不同语言的语法的应用场景,能够更加准确、有效地捕获不同语言的位置组成。
下面参考附图描述本公开实施例的一种位置编码的生成方法、装置及电子设备。
图1是根据本公开第一实施例的示意图。其中,需要说明的是,本公开实施例的位置编码的生成方法的执行主体为位置编码的生成装置,位置编码的生成装置具体可以为硬件设备,或者硬件设备中的软件等。其中,硬件设备例如终端设备、服务器等。如图1所示,本实施例提出的位置编码的生成方法,包括如下步骤:
S101、获取文本中各语料的位置,基于语料的位置,获取文本的距离位置编码。
其中,文本,是时序型数据,文本中各语料与语料之间的顺序关系,即语序,往往会影响整个句子的含义。
其中,语料的位置,可以为语料所处的字符位置,例如语料的位置为第1个字符。
S102、获取文本中各语料对应的语言类型,基于语言类型,获取文本的方向位置编码。
需要说明的是,语序由距离及方向,共两部分组成。本公开中,可以在获取距离(Distance)位置编码的基础上,对方向(Direction)位置编码进行获取。
其中,方向位置编码,可以表示对应语言的方向性特点。
其中,语言类型,可以为任一语种,例如中文、英文、日文等。需要说明的是,针对不同的语言类型对应不同的方向位置编码,即言,一个语种对应一个方向位置编码。
举例而言,针对用于训练一个可以同时处理中、英、法、德、日,共五种语言的多语言模型,此种情况下,可以使用1表示中文的方向位置编码,使用2表示英文的方向位置编码,使用3表示法文的方向位置编码,使用4表示德文的方向位置编码,使用5表示日文的方向位置编码。其中,上述每个方向位置编码使用一个可学习的参数进行表示。
S103、基于距离位置编码和方向位置编码,生成文本的位置编码。
需要说明的是,本公开中对于基于距离位置编码和方向位置编码,生成文本的位置编码的具体方式不作限定,可以根据实际情况进行选取。可选地,可以通过对距离位置编码和方向位置编码进行拼接处理,生成文本的位置编码。
根据本公开实施例的位置编码的生成方法,可以通过获取距离位置编码和方向位置编码,并基于距离位置编码和方向位置编码,生成文本的位置编码,提高了位置编码的生成过程中的准确性和可靠性。特别地,针对获取不同语言的语法的应用场景,能够更加准确、有效地捕获不同语言的位置组成。
需要说明的是,本公开中,在试图基于距离位置编码和方向位置编码,生成文本的位置编码时,可以通过拼接处理生成位置编码。
作为一种可能的实现方式,如图2所示,在上述实施例的基础上,具体包括以下步骤:
S201、获取文本中各语料的位置,基于语料的位置,获取文本的距离位置编码。
S202、获取文本中各语料对应的语言类型,基于语言类型,获取文本的方向位置编码。
该步骤S201~S202与步骤S101~S102相同,此处不再赘述。
S203、按照语料在文本中的位置,对距离位置编码和方向位置编码进行拼接,生成文本的位置编码。
需要说明的是,常见的语言编码共有以下4中:可学习绝对位置编码、非可学习绝对位置编码、可学习相对位置编码以及非可学习相对位置编码。
其中,绝对位置编码,可以对每一个位置使用一个独立的表示,即言,针对位置1使用一个表示,针对位置2使用一个表示,以此类推。
其中,相对位置编码,可以对每一个相对位置使用一个独立的表示,例如距离为1的两个节点使用一个表示,距离为2的两个节点使用一个表示。
需要说明的是,相对位置编码是一个矩阵,且可以分为有向(分前后)和无向(不分前后)两种。可学习的相对位置编码,指的是使用可学习参数表示或者基于特定函数计算得到的固定表示。
本公开实施例中,距离位置编码可以使用可学习的无向相对位置编码进行表示,其中,可学习的无向相对位置编码是一个N*N的矩阵,其第i行第j列的值分别表示文本中第i个位置和第j个位置间的距离,且每种距离可以用一个可学习参数进行表示。
举例而言,如图3所示,可学习的无向相对位置编码是一个4*4的矩阵,语料A和语料C之间的距离位置编码为2。
进一步地,本公开中,为了适应不同语言的方向性特点,可以针对不同的语言类型使用不同的方向位置编码。
由此,本公开实施例中,可以按照语料在文本中的位置,对距离位置编码和方向位置编码进行拼接,生成文本的位置编码。
根据本公开实施例的位置编码的生成方法,可以在获取到距离位置编码和方向位置编码后,按照语料在文本中的位置,对距离位置编码和方向位置编码进行拼接,生成文本的位置编码,以通过适应不同语言的方向性特点,针对获取不同语言的语法的应用场景,提高了位置编码的生成过程中的准确性和可靠性,确保了能够更加准确、有效地捕获不同语言的位置组成。
需要说明的是,本公开中,在试图基于语料的位置,获取文本的距离位置编码时,可以基于任意两个语料之间的距离,生成文本的距离位置编码。
作为一种可能的实现方式,如图4所示,在上述实施例的基础上,具体包括以下步骤:
S401、根据语料的位置,获取任意两个语料之间的距离。
举例而言,文本甲中包括语料A和语料B,且语料甲位于第1个字符、语料乙位于第10个字符,此种情况下,语料甲和语料乙之间的距离即为10-1=9。
S402、基于任意两个语料之间的距离,生成文本的距离位置编码。
可选地,可以按照语料在所述文本中的位置,确定语料在中行位置和列位置,并将任意两个语料之间的距离作为矩阵元素,构建矩阵,以生成距离位置编码。
举例而言,可以按照语料在所述文本中的位置,确定语料在中行位置和列位置。进一步地,若语料A和语料B之间的距离为1、语料A和语料C之间的距离为2、语料A和语料D之间的距离为3;语料B和语料C之间的距离为1、语料B和语料D之间的距离为2;语料C和语料D之间的距离为1,则可以生成如图3所示的文本的距离位置编码。
S403、获取文本中各语料对应的语言类型,基于语言类型,获取文本的方向位置编码。
S404、按照语料在文本中的位置,对距离位置编码和方向位置编码进行拼接,生成文本的位置编码。
该步骤S403~S404与步骤S202~S203相同,此处不再赘述。
根据本公开实施例的位置编码的生成方法,可以通过根据语料的位置,获取任意两个语料之间的距离,进而基于任意两个语料之间的距离,生成文本的距离位置编码,确保了距离位置编码的准确性,进一步提高了位置编码的生成过程中的准确性和可靠性。
图5是根据本公开第四实施例的示意图。如图5所示,在上述实施例的基础上,本公开提出的位置编码的生成方法,具体包括如下步骤:
S501、根据语料的位置,获取任意两个语料之间的距离。
S502、基于任意两个语料之间的距离,生成文本的距离位置编码。
S503、获取文本中各语料对应的语言类型,基于语言类型,获取文本的方向位置编码。
S504、按照语料在文本中的位置,对距离位置编码和方向位置编码进行拼接,生成文本的位置编码。
需要说明的是,对于不同语种语言,其位置表示的共性为越相近的单词,其语义越相近,其可以使用可学习的无向相对位置编码来表示,而不同语言其位置表示的差异在于方向性的不同。由此,不同于常见的位置编码,本公开中,可以将位置编码分为距离位置编码和方向位置编码,共两个部分。
进一步地,在生成文本的位置编码之后,可以将文本的位置编码,输入如图6所示的多语言模型进行学习,获取文本的语序信息。
需要说明的是,通过本公开提出的位置编码的生成方法,基于深度学习及自然语言学习等人工智能技术,使多语言模型进行学习,能够基于针对不同语种的方向位置编码,获取针对不同语种的文本的准确的语序信息。例如,在英文语境时,可以使用英文对应的方向位置编码1,在日文语境时,可以使用英文对应的方向位置编码2。
根据本公开实施例的位置编码的生成方法,可以通过获取距离位置编码和方向位置编码,并基于距离位置编码和方向位置编码,生成文本的位置编码,提高了位置编码的生成过程中的准确性和可靠性。特别地,针对获取不同语言的语法的应用场景,能够更加准确、有效地捕获不同语言的位置组成。进一步地,获取到的位置编码可以应用在任意基于Transformer的多语言模型中,以获取文本的语序信息,且可以热插拔于各种已有的多语言模型。
与上述几种实施例提供的位置编码的生成方法相对应,本公开的一个实施例还提供一种位置编码的生成装置,由于本公开实施例提供的位置编码的生成装置与上述几种实施例提供的位置编码的生成方法相对应,因此在位置编码的生成方法的实施方式也适用于本实施例提供的位置编码的生成装置,在本实施例中不再详细描述。
图7是根据本公开一个实施例的位置编码的生成装置的结构示意图。
如图7所示,该位置编码的生成装置700,包括:距离位置编码获取模块710、方向位置编码获取模块720和位置编码生成模块730。其中:
距离位置编码获取模块710,用于获取文本中各语料的位置,基于所述语料的位置,获取所述文本的距离位置编码;
方向位置编码获取模块720,用于获取所述文本中各语料对应的语言类型,基于所述语言类型,获取所述文本的方向位置编码;
位置编码生成模块730,用于基于所述距离位置编码和所述方向位置编码,生成所述文本的位置编码。
图8是根据本公开另一个实施例的位置编码的生成装置的结构示意图。
如图8所示,该位置编码的生成装置800,包括:距离位置编码获取模块810、方向位置编码获取模块820和位置编码生成模块830。
其中,位置编码生成模块830,包括:
第一生成子模块831,用于按照所述语料在所述文本中的位置,对所述距离位置编码和所述方向位置编码进行拼接,生成所述文本的位置编码。
其中,距离位置编码获取模块810,包括:
第一获取子模块811,用于根据所述语料的位置,获取任意两个语料之间的距离;
第二生成子模块812,用于基于所述任意两个语料之间的距离,生成所述文本的距离位置编码。
其中,第二生成子模块812,包括:
生成单元8121,用于按照所述语料在所述文本中的位置,确定所述语料在中行位置和列位置,并将所述任意两个语料之间的距离作为矩阵元素,构建矩阵,以生成所述距离位置编码。
可选地,位置编码生成模块830,还包括:
第二获取子模块832,用于将所述文本的位置编码,输入多语言模型进行学习,获取所述文本的语序信息。
需要说明的是,方向位置编码获取模块820与方向位置编码获取模块720具有相同功能和结构。
根据本公开实施例的位置编码的生成装置,可以通过获取距离位置编码和方向位置编码,并基于距离位置编码和方向位置编码,生成文本的位置编码,提高了位置编码的生成过程中的准确性和可靠性。特别地,针对获取不同语言的语法的应用场景,能够更加准确、有效地捕获不同语言的位置组成。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。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/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如位置编码的生成方法。例如,在一些实施例中,位置编码的生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由计算单元901执行时,可以执行上文描述的位置编码的生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行位置编码的生成方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)、互联网以及区块链网络。
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。服务端可以是云服务器,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VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本公开还提供一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,实现如上所述的位置编码的生成方法。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (6)
1.一种位置编码的生成方法,包括:
获取文本中各语料的位置,按照所述语料在所述文本中的位置,确定所述语料的行位置和列位置,并将任意两个语料之间的距离作为矩阵元素,构建矩阵,生成距离位置编码;
获取所述文本中各语料对应的语言类型,基于所述语言类型,获取所述文本的方向位置编码,其中,所述方向位置编码表示对应语言类型的方向性特点;
按照所述语料在所述文本中的位置,对所述距离位置编码和所述方向位置编码进行拼接,生成所述文本的位置编码。
2.根据权利要求1所述的位置编码的生成方法,其中,所述生成文本的位置编码之后,还包括:
将所述文本的位置编码,输入多语言模型进行学习,获取所述文本的语序信息。
3.一种位置编码的生成装置,包括:
距离位置编码获取模块,用于获取文本中各语料的位置,按照所述语料在所述文本中的位置,确定所述语料的行位置和列位置,并将任意两个语料之间的距离作为矩阵元素,构建矩阵,生成距离位置编码;
方向位置编码获取模块,用于获取所述文本中各语料对应的语言类型,基于所述语言类型,获取所述文本的方向位置编码,其中,所述方向位置编码表示对应语言类型的方向性特点;
位置编码生成模块,用于按照所述语料在所述文本中的位置,对所述距离位置编码和所述方向位置编码进行拼接,生成所述文本的位置编码。
4.根据权利要求3任一项所述的位置编码的生成装置,其中,所述位置编码生成模块,还包括:
第二获取子模块,用于将所述文本的位置编码,输入多语言模型进行学习,获取所述文本的语序信息。
5.一种电子设备,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1-2中任一项所述的位置编码的生成方法。
6.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-2中任一项所述的位置编码的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519606.8A CN112507705B (zh) | 2020-12-21 | 2020-12-21 | 一种位置编码的生成方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519606.8A CN112507705B (zh) | 2020-12-21 | 2020-12-21 | 一种位置编码的生成方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112507705A CN112507705A (zh) | 2021-03-16 |
CN112507705B true CN112507705B (zh) | 2023-11-14 |
Family
ID=74922864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011519606.8A Active CN112507705B (zh) | 2020-12-21 | 2020-12-21 | 一种位置编码的生成方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112507705B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033150A (zh) * | 2021-03-18 | 2021-06-25 | 深圳市元征科技股份有限公司 | 一种程序文本的编码处理方法、装置以及存储介质 |
CN113553857B (zh) * | 2021-06-30 | 2023-06-23 | 北京百度网讯科技有限公司 | 文本处理方法和文本处理装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998000773A1 (fr) * | 1996-07-02 | 1998-01-08 | Sha Liu | Procede et systeme informatique pour le codage semantique unifie et confine de differents langages naturels |
JP2016099515A (ja) * | 2014-11-21 | 2016-05-30 | 日本放送協会 | 音声認識誤り修正装置 |
CN105955955A (zh) * | 2016-05-05 | 2016-09-21 | 东南大学 | 一种基于纠错输出编码的无需消歧的无监督词性标注方法 |
CN110781690A (zh) * | 2019-10-31 | 2020-02-11 | 北京理工大学 | 一种多源神经机器翻译模型的融合和压缩方法 |
CN111274764A (zh) * | 2020-01-23 | 2020-06-12 | 北京百度网讯科技有限公司 | 语言生成方法、装置、计算机设备及存储介质 |
CN111680519A (zh) * | 2020-04-28 | 2020-09-18 | 平安科技(深圳)有限公司 | 基于降维桶模型的文本翻译方法及装置 |
CN111694924A (zh) * | 2020-06-17 | 2020-09-22 | 合肥中科类脑智能技术有限公司 | 一种事件抽取方法和系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1224569A4 (en) * | 1999-05-28 | 2005-08-10 | Sehda Inc | PHRASE BASED DIALOGUE MODELING WITH SPECIAL APPLICATION FOR GENERATING RECOGNITION GRAMMARK FOR LANGUAGE-CONTROLLED USER INTERFACE |
JP2005242416A (ja) * | 2004-02-24 | 2005-09-08 | Shogakukan Inc | 自然言語文の検索方法および検索装置 |
-
2020
- 2020-12-21 CN CN202011519606.8A patent/CN112507705B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998000773A1 (fr) * | 1996-07-02 | 1998-01-08 | Sha Liu | Procede et systeme informatique pour le codage semantique unifie et confine de differents langages naturels |
JP2016099515A (ja) * | 2014-11-21 | 2016-05-30 | 日本放送協会 | 音声認識誤り修正装置 |
CN105955955A (zh) * | 2016-05-05 | 2016-09-21 | 东南大学 | 一种基于纠错输出编码的无需消歧的无监督词性标注方法 |
CN110781690A (zh) * | 2019-10-31 | 2020-02-11 | 北京理工大学 | 一种多源神经机器翻译模型的融合和压缩方法 |
CN111274764A (zh) * | 2020-01-23 | 2020-06-12 | 北京百度网讯科技有限公司 | 语言生成方法、装置、计算机设备及存储介质 |
CN111680519A (zh) * | 2020-04-28 | 2020-09-18 | 平安科技(深圳)有限公司 | 基于降维桶模型的文本翻译方法及装置 |
CN111694924A (zh) * | 2020-06-17 | 2020-09-22 | 合肥中科类脑智能技术有限公司 | 一种事件抽取方法和系统 |
Non-Patent Citations (4)
Title |
---|
Text Zero-Watermark Based on Chinese Edit Distance;Meng Yingjie等;2013 International Conference on Computational and Information Sciences;全文 * |
一种基于语句主谓语编码的文本水印技术;李桂森;陈建平;马海英;杨方兴;;计算机科学(S2);全文 * |
基于XLNET的抽取式多级语义融合模型;胡益淮;;通信技术(第07期);全文 * |
基于预训练表征模型的自动ICD编码;王天罡;李晓亮;张晓滨;蔡宏伟;;中国数字医学(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112507705A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4167231A1 (en) | Text data processing method and device | |
KR20210040851A (ko) | 텍스트 인식 처리 방법, 장치, 전자 기기 및 저장매체 | |
KR20220122566A (ko) | 텍스트 인식 모델의 트레이닝 방법, 텍스트 인식 방법 및 장치 | |
CN113553412B (zh) | 问答处理方法、装置、电子设备和存储介质 | |
CN112000792A (zh) | 自然灾害事件的抽取方法、装置、设备以及存储介质 | |
CN111428514A (zh) | 语义匹配方法、装置、设备以及存储介质 | |
EP4109324A2 (en) | Method and apparatus for identifying noise samples, electronic device, and storage medium | |
EP4113357A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
CN112507705B (zh) | 一种位置编码的生成方法、装置及电子设备 | |
JP2022006173A (ja) | 知識事前訓練モデルの訓練方法、装置及び電子機器 | |
CN116152833B (zh) | 基于图像的表格还原模型的训练方法及表格还原方法 | |
CN112560846B (zh) | 纠错语料的生成方法、装置及电子设备 | |
CN114912450B (zh) | 信息生成方法与装置、训练方法、电子设备和存储介质 | |
CN112287698A (zh) | 篇章翻译方法、装置、电子设备和存储介质 | |
CN114417879B (zh) | 跨语言文本语义模型的生成方法、装置及电子设备 | |
CN113553411B (zh) | 查询语句的生成方法、装置、电子设备和存储介质 | |
EP3869382A2 (en) | Method and device for determining answer of question, storage medium and computer program product | |
JP2023531759A (ja) | 車線境界線検出モデルの訓練方法、車線境界線検出モデルの訓練装置、電子機器、記憶媒体及びコンピュータプログラム | |
CN114417878A (zh) | 语义识别方法、装置、电子设备及存储介质 | |
CN113743101A (zh) | 文本纠错方法、装置、电子设备和计算机存储介质 | |
CN114792097B (zh) | 预训练模型提示向量的确定方法、装置及电子设备 | |
CN115577106B (zh) | 基于人工智能的文本分类方法、装置、设备和介质 | |
CN115357710B (zh) | 表格描述文本生成模型的训练方法、装置及电子设备 | |
CN114970666B (zh) | 一种口语处理方法、装置、电子设备及存储介质 | |
CN115565186A (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 |
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 |