CN113821652A - 模型数据处理方法、装置、电子设备以及计算机可读介质 - Google Patents

模型数据处理方法、装置、电子设备以及计算机可读介质 Download PDF

Info

Publication number
CN113821652A
CN113821652A CN202110080903.5A CN202110080903A CN113821652A CN 113821652 A CN113821652 A CN 113821652A CN 202110080903 A CN202110080903 A CN 202110080903A CN 113821652 A CN113821652 A CN 113821652A
Authority
CN
China
Prior art keywords
data
vector
autoregressive model
sequence
model
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.)
Pending
Application number
CN202110080903.5A
Other languages
English (en)
Inventor
赵楠
吴友政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN202110080903.5A priority Critical patent/CN113821652A/zh
Priority to KR1020237012388A priority patent/KR20230065339A/ko
Priority to JP2023517266A priority patent/JP2023542665A/ja
Priority to US18/029,342 priority patent/US20230367972A1/en
Priority to PCT/CN2021/140074 priority patent/WO2022156468A1/zh
Publication of CN113821652A publication Critical patent/CN113821652A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/45—Clustering; Classification
    • 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
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Machine Translation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种模型数据处理方法和装置，涉及人工智能技术领域。该方法的一具体实施方式包括：获取待处理数据集中至少两种不同模态的数据；对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列；对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据；将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。该实施方式提高了模型输入数据的信息量的丰富度。

Description

模型数据处理方法、装置、电子设备以及计算机可读介质
技术领域
本公开涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及模型数据处理方法、装置、电子设备、计算机可读介质以及计算机程序产品。
背景技术
现有对话系统数据集多是单模态数据集，与之对应的对话生成系统研究受制于数据集的局限性，所研究的模型也都是单模态。但在实际应用场景中，对话系统中客户所提的问题常常是多模态的，比如文本信息+图片信息。这是因为随着智能手机的广泛应用，客户更愿意随手拍一张图片发送给客服，一图胜千言，通过图片来更加详细地描述问题，但是现有技术中没有将多模态数据集与预训练的单模态语言模型相结合的实例。
发明内容
本公开的实施例提出了模型数据处理方法、装置、电子设备、计算机可读介质以及计算机程序产品。
第一方面，本公开的实施例提供了一种模型数据处理方法，该方法包括：获取待处理数据集中至少两种不同模态的数据；对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列；对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据；将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。
在一些实施例中，上述至少两种不同模态的数据包括：待处理文本数据和知识图谱数据；上述对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，包括：采集知识图谱数据对应的三元文本数据；分别对三元文本数据以及待处理文本数据进行分词处理，并对所有分词结果进行拼接，得到特征序列。
在一些实施例中，上述方法还包括：确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据；上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量；对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量；将数据特征向量与总位置向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述方法还包括：对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据；上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量；对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量；将数据特征向量以及总分类向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述至少两种不同模态的数据还包括：图像数据；对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，还包括：对图像数据进行特征提取，得到图像特征；得到的特征序列进一步叠加有图像特征；上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：对特征序列中拼接的所有分词结果进行与自回归模型相适配的向量映射，得到与拼接的所有分词结果对应的数据特征向量；对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量；将数据特征向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述方法还包括：确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据；对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据；上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，还包括：对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量；对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量；得到的与自回归模型相适配的多模态输入数据还包括总位置向量和总分类向量。
在一些实施例中，上述至少两种不同模态的数据包括：待处理文本数据和图像数据；上述对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，包括：对待处理文本数据进行分词处理，并对所有分词结果进行拼接，得到分词序列；对图像数据进行特征提取，得到图像特征；叠加分词序列与图像特征，得到特征序列；上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据包括：对特征序列中的分词序列进行与自回归模型相适配的向量映射，得到分词序列的数据特征向量；对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量；将数据特征向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述方法还包括：确定分词序列中各个词的词位置数据；对分词序列中各个词进行分类处理，得到词分类数据；上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，还包括：对词位置数据进行与自回归模型相适配的向量映射，得到词位置向量；对词分类数据进行与自回归模型相适配的向量映射，得到词分类向量；得到的与自回归模型相适配的多模态输入数据还包括词位置向量和词分类向量。
第二方面，本公开的实施例提供了一种模型数据处理装置，该装置包括：获取单元，被配置成获取待处理数据集中至少两种不同模态的数据；提取单元，被配置成对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列；得到单元，被配置成对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据；处理单元，被配置成将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。
在一些实施例中，上述至少两种不同模态的数据包括：待处理文本数据和知识图谱数据；上述提取单元包括：采集模块，被配置成采集知识图谱数据对应的三元文本数据；总分词模块，被配置成分别对三元文本数据以及待处理文本数据进行分词处理；总拼接模块，被配置成对所有分词结果进行拼接，得到特征序列。
在一些实施例中，上述装置还包括：总定位单元，被配置成确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据；上述得到单元包括：数据映射模块，被配置成对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量；总位置映射模块，被配置成对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量；数位得到模块，被配置成将数据特征向量与总位置向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述装置还包括：总分类单元，被配置成对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据；上述得到单元包括：数据映射模块，被配置成对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量；总分类映射模块，被配置成对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量；数类得到模块，被配置成将数据特征向量以及总分类向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述至少两种不同模态的数据还包括：图像数据；上述提取单元进一步被配置成对图像数据进行特征提取，得到图像特征；得到的特征序列进一步叠加有图像特征；上述得到单元包括：数据映射模块，被配置成对特征序列中拼接的所有分词结果进行与自回归模型相适配的向量映射，得到与拼接的所有分词结果对应的数据特征向量；图像映射模块，被配置成对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量；数图得到模块，被配置成将数据特征向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述装置还包括：总定位单元，被配置成确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据；总分类单元，被配置成对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据；上述得到单元还包括：总位置映射模块，被配置成对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量；总分类映射模块，被配置成对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量；得到的与自回归模型相适配的多模态输入数据还包括总位置向量和总分类向量。
在一些实施例中，上述至少两种不同模态的数据包括：待处理文本数据和图像数据；上述提取单元包括：待分词模块，被配置成对待处理文本数据进行分词处理；待拼接模块，被配置成对所有分词结果进行拼接，得到分词序列；提取模块，被配置成对图像数据进行特征提取，得到图像特征；叠加模块，被配置成叠加分词序列与图像特征，得到特征序列；上述得到单元包括：分词映射模块，被配置成对特征序列中的分词序列进行与自回归模型相适配的向量映射，得到分词序列的数据特征向量；图像映射模块，被配置成对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量；词图得到模块，被配置成将数据特征向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述装置还包括：词定位单元，被配置成确定分词序列中各个词的词位置数据；词分类单元，被配置成对分词序列中各个词进行分类处理，得到词分类数据；上述得到单元还包括：词位置映射模块，被配置成对词位置数据进行与自回归模型相适配的向量映射，得到词位置向量；词分类映射模块，被配置成对词分类数据进行与自回归模型相适配的向量映射，得到词分类向量；得到的与自回归模型相适配的多模态输入数据还包括词位置向量和词分类向量。
第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
第五方面，本公开的实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面任一实现方式描述的方法。
本公开的实施例提供的模型数据处理方法和装置，首先获取待处理数据集中至少两种不同模态的数据；其次，对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列；然后，对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据；最后，将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。由此，通过将待处理数据集中的至少两种模态数据处理得到的多模态输入数据输入自回归模型，可以使自回归模型除了可以进行单模态数据处理，还可以进行多模态数据处理，并且整个模型输出的单模态结果更准确，提高了模型数据处理能力。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的模型数据处理方法的一个实施例的流程图；
图3是根据本公开的模型数据处理方法的另一个实施例的流程图；
图4是本公开的一个实际场景中的数据结构图；
图5是根据本公开的模型数据处理装置的实施例的结构示意图；
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的模型数据处理方法的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，通常可以包括无线通信链路等等。
终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如即时通信工具、邮箱客户端等。
终端设备101、102、103可以是硬件，也可以是软件；当终端设备101、102、103为硬件时，可以是具有通信和控制功能的用户设备，上述用户设置可与服务器105进行通信。当终端设备101、102、103为软件时，可以安装在上述用户设备中；终端设备101、102、103可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103上客户问答系统中待处理数据集提供支持的模型数据处理的后台服务器。后台服务器可以对网络中即将输入自回归模型的相关信息进行分析处理，并将处理结果(如自回归模型输出的单模态结果)反馈给终端设备。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开的实施例所提供的模型数据处理方法一般由服务器105执行。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
如图2，示出了根据本公开的模型数据处理方法的一个实施例的流程200，该模型数据处理方法包括以下步骤：
步骤201，获取待处理数据集中至少两种不同模态的数据。
本实施例中，待处理数据集包括多种不同模态的数据，而多种不模态的数据可以是具有多个不同来源的单模态数据或不同表现形式的单模态数据，实践中，具有多个不同来源的单模态数据是指不同传感器采集的对同一事物的描述数据，比如，视频检索时，采集的同一时刻同一动物的音频数据和图像数据，其中的音频数据和图像数据是两种不同的单模态数据。不同表现形式的单模态数据是指在通过数据可以得知数据的表示内容，例如任务型对话交流过程，用户向对话机器人发送的图像数据、文本数据等。
本实施例中，待处理数据集可以包括为了实现构建或训练自回归模型而预设的数据集；待处理数据集还可以包括自回归模型训练完成之后，自回归模型需要处理的所有单模态数据的集合。
自回归模型是统计上一种处理时间序列的方法，是用同一变量之前各期的表现情况，来预测该变量本期的表现情况，并假设它们为线性关系。例如，自回归语言模型：根据上文内容预测下一个可能跟随的单词，或者反过来根据下文内容预测前面的单词。
在实际的应用场景中，如任务型对话交流过程中，往往需要辅助一些知识库，才能对问题进行有效的回答。比如某商城在线客服系统中，顾客常常需要对商品的一些属性进行询问。知识图谱信息驱动下的对话生成，内容才更加准确，所含有的信息量才更加充分，在实际应用场景中才能满足客户的需要。针对上述场景，至少两种不同模态的数据可以包括：待处理文本数据、图像数据、知识图谱数据任意两种或多种。
本实施例中，模型数据处理方法的执行主体(如图1所示的服务器105)可以通过多种手段获取待处理数据集，比如，实时从用户终端(如图1所示的终端设备101、102、103)采集待处理数据集，并从待处理数据集中提取至少两种不同模态的数据。或者，从本地内存获取待处理数据集，并从待处理数据集中提取至少两种不同模态的数据。
步骤202，对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列。
本实施例中，由于得到的至少两种不同模态的数据具有各自的标准，针对在数据转化后可具有统一形式的各单模态数据，可以在特征提取后对提取的特征进行拼接，得到拼接的序列，例如，知识库的中知识图谱数据，知识图谱数据是以头实体，关系实体，尾实体三元组形式存在的，在数据处理过程中，可以将对话中所涉及的三元组中头实体、关系实体、尾实体对应的文字内容提取出，得到三元文本数据，而三元文本数据与文本数据具有统一形式，由此，可以将提取的待处理文本数据与三元文本数据进行拼接。
相应地，针对在数据转化后不具有统一数据形式的各单模态数据，可以在特征提取后对提取的特征进行叠加，本实施例中的叠加仅仅是一种信息叠置方式，两者还是在不同特征向量空间中独立存在，例如，图像数据与待处理文本数据无法转换到统一数据形式，但是由于两者表示同一事物，通过图像数据形式可以更形象的将文本数据对同一事物的描述丰富化。
在本实施例的一些可选实现方式中，至少两种不同模态的数据包括：待处理文本数据和知识图谱数据；上述对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，包括：采集知识图谱数据对应的三元文本数据；分别对三元文本数据以及待处理文本数据进行分词处理，并对所有分词结果进行拼接，得到特征序列。
具体地，对三元文本数据以及待处理文本数据分词处理过程在图4所示实施例进行了详细阐述。
本可选实现方式中，在至少两种不同模态的数据包括待处理文本数据和知识图谱数据时，将两者提取出的特征进行拼接，可以有效地丰富数据信息。
可选地，针对上述可选实现方式，至少两种不同模态的数据还可以包括：图像数据。上述对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，包括：对图像数据进行特征提取，得到图像特征，而得到的特征序列进一步叠加有图像特征。
本可选实现方式中，可以对所有分词结果进行拼接之后叠加图像特征，得到特征序列，从而以知识图谱、文本之外的形式丰富了数据信息。
在本实施例的一些可选实现方式中，上述至少两种不同模态的数据包括：待处理文本数据和图像数据；上述对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，包括：
对待处理文本数据进行分词处理，并对所有分词结果进行拼接，得到分词序列；对图像数据进行特征提取，得到图像特征；叠加分词序列与图像特征，得到特征序列。
本实施例中，由于分词序列与图像特征是两个不同维度空间中不同数据，上述的两者的叠加仅仅是两者叠置的一种方式，通过该叠置方式在得到该特征序列之后，可以快速地分离出分词序列和图像特征。
本可选实现方式中，在至少两种不同模态的数据包括待处理文本数据和图像数据时，将两者提取出的特征进行叠加，可以有效地丰富数据信息。
步骤203，对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据。
本实施例中，对特征序列进行模型映射处理为了使特征序列转化为被自回归模型接收的数据，即转换后的数据的维度与自回归模型的输入层维度相同，从而使转化后的数据可以输入自回归模型中，并且转化后的数据还可以随自回归模型训练过程中参数的变化而调整。
本实施例中，基于至少两种不同模态的数据的内容不同，得到的特征序列的内容不相同，因此多模态输入数据的内容也不相同。
在本实施例的一些可选实现方式中，当至少两种不同模态的数据包括：待处理文本数据和图像数据时，上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据包括：
对特征序列中的分词序列进行与自回归模型相适配的向量映射，得到分词序列的数据特征向量；对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量；将数据特征向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
本实施例中，对不同数据进行与自回归模型相适配的向量映射是指将不同数据转换为与自回归模型的输入层相同维度的向量，以使自回归模型的输入层可以接收转换后的不同向量，当然，不同形式的数据转化为与自回归模型的输入层相同维度的向量采用的手段可以不同。
本可选实现方式中，在至少两种不同模态的数据包括：待处理文本数据和图像数据时，分别对待处理文本数据、图像特征进行向量映射，丰富了多模态输入数据的内容的多样性。
可选地，当至少两种不同模态的数据包括：待处理文本数据和知识图谱数据时，上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：
对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量，该数据特征向量即为得到的与自回归模型相适配的多模态输入数据。需要说明的是，本可选实现方式中，上述特征序列也是拼接的所有分词结果。
在本实施例的一些可选实现方式中，当至少两种不同模态的数据包括：待处理文本数据、知识图谱数据和图像数据时，上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：
对特征序列中拼接的所有分词结果进行与自回归模型相适配的向量映射，得到与拼接的所有分词结果对应的数据特征向量；对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量；将数据特征向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
本可选实现方式中，在至少两种不同模态的数据包括：待处理文本数据、知识图谱数据和图像数据时，对待处理文本数据和知识图谱数据进行分词处理得到多个分词结果，对所有的分词结果进行拼接，得到拼接的分词结果，分别对拼接的分词结果、图像特征进行向量映射，通过多种不同模态的数据，丰富了多模态输入数据的内容。
进一步地，针对特征序列中的每个特征具有位置以及类型特征，因此可以对上述得到的特征序列进行位置标注以及类型标注。
在本实施例的一些可选实现方式中，当至少两种不同模态的数据包括：待处理文本数据和知识图谱数据时，上述方法还包括：确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据。
上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量；对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量；将数据特征向量与总位置向量相加，得到与自回归模型相适配的多模态输入数据。
本可选实现方式中，基于拼接的所有分词结果中各个分词结果位置顺序，可以为各个分词结果分配位置数据(比如编码)，而总位置数据则是包括所有分词结果中各个分词结果的位置数据的集合，通过位置数据可以方便快捷地确定各个分词结果在拼接的所有分词结果中的顺序值或者表示的信息。
本可选实现方式中，通过确定分词结果的总位置数据可以有效对特征序列中各个分词结果进行定位，丰富了多模态输入数据的位置特征。
在本实施例的一些可选实现方式中，当至少两种不同模态的数据包括：待处理文本数据和知识图谱数据时，上述方法还包括：对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据。上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量；对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量；将数据特征向量以及总分类向量相加，得到与自回归模型相适配的多模态输入数据。
本可选实现方式中，基于拼接的所有分词结果中各个分词结果的类型，可以为各个分词结果分配分类数据(比如编码)，而总分类数据则是包括所有分词结果中各个分词结果的分类数据的集合，通过分类数据可以方便快捷地确定各个分词结果在拼接的所有分词结果中的类型。
本可选实现方式中，通过确定分词结果的总分类数据可以有效确定特征序列中各个分词结果所属的类型，丰富了多模态输入数据的类型特征。
可选地，当至少两种不同模态的数据包括：待处理文本数据和知识图谱数据时，上述方法还包括：确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据；对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据。上述对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量；对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量；对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量；将数据特征向量、总位置向量以及总分类向量相加，得到与自回归模型相适配的多模态输入数据。
在本实施例的一些可选实现方式中，当至少两种不同模态的数据包括：待处理文本数据和图像数据时，上述方法还包括：确定分词序列中各个词的词位置数据；对分词序列中各个词进行分类处理，得到词分类数据；对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：
对特征序列中的分词序列进行与自回归模型相适配的向量映射，得到分词序列的数据特征向量；对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量；对词位置数据进行与自回归模型相适配的向量映射，得到词位置向量；对词分类数据进行与自回归模型相适配的向量映射，得到词分类向量；将数据特征向量、词位置向量、词分类向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
本可选实现方式中，本可选实现方式中，通过确定分词序列中各个词的词位置数据、分类数据，可以有效确定分词序列中各个词所属的类型以及各个词的位置，丰富了多模态输入数据的位置特征和类型特征。
步骤204，将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。
本实施例中，自回归模型可以是一种输出数据是单模态数据的自回归模型，比如，UniLM(Unified Language Model Pre-training for Natural Language Understandingand Generation，自然语言理解和生成模型)、GPT(Generative Pre-Training，生成式预训练模型)等模型。自回归模型可以是新构建的模型(比如输入端为多模态数据，输出端为单模态数据)。
可选地，自回归模型还可以是预先训练完成的自回归模型，该自回归模型的输入和输出均是单模态的数据，例如，该自回归模型为语言模型，其输入与输出都是文本数据，针对该语言模型，其适用的待处理数据集可以是对话记录或者是文章的篇章或段落等数据。
在将上述多模态输入数据输入到自回归模型之后，通过对该自回归模型进行模型训练，得到训练完成的自回归模型。
针对问答型的自回归模型，可以向训练完成的自回归模型输入用户的问题(具有图片、知识库等多模态数据)，得到针对用户问题的答案。
在一个实际的应用场景中，自回归模型可以采用Transformer自回归模型结构，如自回归模型为UniLM或DialoGPT模型，通过本公开的方法，使得自回归模型除了能够处理传统的文本数据外，还能够处理含有图片、知识图谱、文本等信息的多模态数据，使得整个自回归模型对于具有多模态的待处理数据集能够有比较好的处理效果。
本公开的实施例提供的模型数据处理方法，首先获取待处理数据集中至少两种不同模态的数据；其次，对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列；然后，对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据；最后，将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。由此，通过将待处理数据集中的至少两种模态数据处理得到的多模态输入数据输入自回归模型，可以使自回归模型除了可以进行单模态数据处理，还可以进行多模态数据处理，并且整个模型输出的单模态结果更准确，提高了模型数据处理能力。
在本公开的另一实施例中，两种不同模态的数据包括：待处理文本数据、知识图谱数据以及图像数据，如图3，示出了根据本公开的模型数据处理方法的另一个实施例的流程300，该模型数据处理方法包括以下步骤：
步骤301，获取待处理数据集中的待处理文本数据、知识图谱数据和图像数据。
如图4所示，待处理数据集可以是从一个对话系统(例如某商场的客服系统)中截取并处理得到的对话数据，该对话数据包括文本数据、图像数据，并且还可以从预建的知识图谱中得到对话内容中的知识图谱数据。需要说明的是，待处理文本数据对应的文本是由至少一句话组成，每句话可以通过符号分割。
图4中，待处理文本数据对应的待处理文本包括是一个问句和一个答句，问句是：板鞋有吗？其中，问句中的板鞋是用户随手发的一个图片。答句是：是这款板鞋吗？其中，答句中的板鞋是执行主体发送的另一张图片。
步骤302，采集知识图谱数据对应的三元文本数据。
本实施例中，知识图谱数据是以头实体，关系实体，尾实体这样三元组形式存储的，在提取到知识图谱数据之后，可以很容易得到知识图谱数据中头实体、关系实体以及尾实体。
图4中，通过检索知识图谱，得到知识图谱数据包括：板鞋-材质-帆布；板鞋-闭合-系带；板鞋-鞋帮-低帮。三元文本数据对应的三元文本分别为：板鞋、材质、帆布；板鞋、闭合、系带；板鞋、鞋帮、低帮。
步骤303，分别对三元文本数据以及待处理文本数据进行分词处理。
本实施例中，可以通过传统的分词工具分别对待处理文本数据对应的待处理文本、三元文本数据对应的三元文本进行分词。
具体地，对三元文本分词，可以得到如下经分词处理的知识表达，如S11，S12，…，S1n，P11，P12，…，P1n，O11，O12，…，O1n，S21，S22，…，S2n，P21，P22，…，P2n，O21，O22，…，O2n，…，Sn1，Sn2，…，Snm，Pn1，Pn2，…，Pnm，On1，On2，…，Onm，其中Snm，表示第n(n>0，m>0)个三元组中头实体中分词所产生的第m个标记，Pnm表示第n个三元组中关系实体中分词所产生的第m个标记，Onm表示第n个三元组中尾实体中分词所产生的第m个标记。
具体地，本实施例中，对待处理文本数据对应的上下文文本中的每一句话进行分词，得到Wn1，Wn2，Wn3，…,Wnm，其中Wnm表示第n(n>0，m>0)个句子中分词后的第m个标记。在实际分词中，特别的意义的文字符号，如URL(Uniform Resource Location，统一资源定位符)链接，表情符号文字表达等特殊意义的文本，可以采用特殊标记进行替代，这样可以最大程度保持句子的语义。
步骤304，对所有分词结果进行拼接，得到拼接的所有分词结果。
参见图4所示，以特殊符号[CLS]作为句首，依次将上述知识图谱数据的标记(简称知识标记)，待处理文本中各个句子的分词标记依次拼接起来。其中，知识图谱数据与待处理文本之间，以及句子与句子之间，需要加入特殊符号[SEP]表示不同内容的标记的间隔。
步骤305，对图像数据进行特征提取，得到图像特征。
本实施例中，对于待处理数据集中出现的图片，可以采用预训练完成的特征采集模型(例如ResNet50)对图片进行特征提取。
步骤306，将拼接的所有分词结果与图像特征进行叠加，得到特征序列。
本实施例中，将拼接的所有分词结果与图像特征进行叠加是为了便于得到具有统一整体的特征序列，以对整个特征序列进行后续处理。
步骤307，确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据。
本实施例中，确定总位置数据是对特征序列中各个分词结果进行位置编码分配，如图4所示，位于句首的[CLS]位置数据为0，所有的知识标记位置数据为1，其余的非知识标记按照顺序从2开始依次递增，如图4中，得到的总位置数据分别为：0 1 1 1 1 1 11 1 1 23 4 5 6 7 8 9 10 11 12。
步骤308，对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据。
本实施例中，为了区分拼接标记中不同的分组，参见图4所示，特别引入几种分类表示不同标记的类别，[CLS]类别表示该标记是句子的开头标记，[SEP]类别表示该标记是用于知识与句子，或者句子与句子之间的分隔，[SUB]类别表示该标记是属于知识三元组中的头实体，[PRE]类别表示该标记是属于知识三元组中的关系实体，[OBJ]类别表示该标记是属于知识三元组中的尾实体。[SP1]类别表示该标记是属于对话中角色1讲述的内容，[SP2]类别表示该标记是属于对话中角色2讲述的内容。
步骤309，对特征序列中拼接的所有分词结果进行与自回归模型相适配的向量映射，得到与拼接的所有分词结果对应的数据特征向量。
本实施例中的向量映射是指将一个特征数据映射与融合到与自回归模型相适配的特征向量。
本实施例中，由于步骤303产生的知识标记(Snm、Pnm、Onm)、文本标记Wnm、步骤304产生的[CLS]和[SEP]，三者在语义上是一致的，所以三者采用同一个词表和对应的向量映射，得到数据特征向量，并且得到的数据特征向量的维度与自回归模型的输入层维度相同。
在实践中，可以通过tf.nn.embedding_lookup(params，ids)函数，得到数据特征向量，该函数主要是选取一个张量里面索引对应的元素，其中，params可以是张量也可以是数组等，ids就是对应的索引值，也是与自回归模型对应的向量。
步骤310，对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量。
本实施例中，针对特征序列中的图像特征，可以通过一个线性回归模型(Linear)对图像特征进行处理，以将图像特征映射到指定的维度，而该指定维度与自回归模型的输入层维度相同。
需要说明书的是，自回归模型可以是语言模型(比如问答模型)，并且自回归模型的输入层维度由其中的embedding(嵌入层)维度所决定，embedding的维度属于超参数，例如，可以是300或者512维。
步骤311，对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量。
本实施例中，总位置向量可以通过采用传统的Transformer三角函数的位置编码方法得到，从而将对应的总位置数据映射到指定维度的连续空间中。
步骤312，对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量。
本实施例中，步骤308中得到的7种不同的类别标记，采用一个词表和对应的向量映射，将7种不同的类别标记映射到指定维度的连续空间中。
步骤313，将数据特征向量、图像特征向量、总位置向量、总分类向量相加，得到与自回归模型相适配的多模态输入数据。
本实施例中，经由上述处理可知，由于数据特征向量、图像特征向量、总位置向量、总分类向量都映射到了指定的维度上，所以将这四种向量相加，即可得到自回归模型的输入数据。
步骤314，将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。
本实施例中，自回归模型可以是基于Transformer(由编码器和解码器组成的模型结构)的自回归语言模型。如图4所示，将对话上下文文本、图片、知识信息进行数据处理得到多模态输入数据，输入自回归语言模型中，模型经过训练，当生成用户问题应答的时候，就能利用到多模态信息与知识信息，这样产生的应答更为通顺而准确。
本实施例中，通过融合知识图谱数据、图像数据和文本数据三者信息的有效融合，充分表达对话上下文信息，并通过基于自回归结构的模型，端到端进行训练，产生通顺、信息量丰富的对话应答。
本实施例提供的模型数据处理方法，在至少两种不同模态的数据包括：待处理文本数据、知识图谱数据以及图像数据时，将图像数据特征提取的图像特征叠加到由待处理文本数据和知识图谱数据形成的拼接的所有分词结果中，得到特征序列。确定拼接的所有分词结果特征序列中拼接的所有分词结果中各个分词结果的总位置数据，对拼接的所有分词结果特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据；对总位置数据、总分类数据、拼接的所有分词结果进行与自回归模型相适配的向量映射，分别得到数据特征向量、图像特征向量、总位置向量、总分类向量；对图像数据进行与自回归模型的输入层相同纬度的向量映射，得到图像特征向量，将数据特征向量、图像特征向量、总位置向量、总分类向量相加，得到与自回归模型相适配的多模态输入数据。由此，可以覆盖知识图库、文本、图像等不同模态的数据，并且可以有效定位和分类知识不同模态的数据，提高了多模态输入数据得到的准确性，使自回归模型输出的单模态结果更加通顺和准确。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了模型数据处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本公开的实施例提供了一种模型数据处理装置500，该装置500包括：获取单元501、提取单元502、得到单元503、处理单元504。其中，获取单元501，可以被配置成获取待处理数据集中至少两种不同模态的数据。提取单元502，可以被配置成对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列。得到单元503，可以被配置成对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据。处理单元504，可以被配置成将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。
在本实施例中，模型数据处理装置500中，获取单元501、提取单元502、得到单元503、处理单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在一些实施例中，上述至少两种不同模态的数据包括：待处理文本数据和知识图谱数据；上述提取单元502包括：采集模块(图中未示出)、总分词模块(图中未示出)、总拼接模块(图中未示出)。其中，采集模块，可以被配置成采集知识图谱数据对应的三元文本数据。总分词模块，可以被配置成分别对三元文本数据以及待处理文本数据进行分词处理。总拼接模块，可以被配置成对所有分词结果进行拼接，得到特征序列。
在一些实施例中，上述装置500还包括：总定位单元(图中未示出)，总定位单元可以被配置成确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据。上述得到单元503包括：数据映射模块(图中未示出)、总位置映射模块(图中未示出)、数位得到模块(图中未示出)。其中，数据映射模块，可以被配置成对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量。总位置映射模块，可以被配置成对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量。数位得到模块，可以被配置成将数据特征向量与总位置向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述装置500还包括：总分类单元(图中未示出)，总分类单元可以被配置成对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据。上述得到单元503包括：数据映射模块(图中未示出)、总分类映射模块(图中未示出)、数类得到模块(图中未示出)。其中，数据映射模块，可以被配置成对特征序列进行与自回归模型相适配的向量映射，得到与特征序列对应的数据特征向量。总分类映射模块，可以被配置成对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量。数类得到模块，可以被配置成将数据特征向量以及总分类向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述至少两种不同模态的数据还包括：图像数据。上述提取单元502进一步被配置成对图像数据进行特征提取，得到图像特征。在实施例中，得到的特征序列进一步叠加有图像特征。上述得到单元503包括：数据映射模块(图中未示出)、图像映射模块(图中未示出)、图像映射模块(图中未示出)。其中，数据映射模块，可以被配置成对特征序列中拼接的所有分词结果进行与自回归模型相适配的向量映射，得到与拼接的所有分词结果对应的数据特征向量。图像映射模块，可以被配置成对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量。数图得到模块，可以被配置成将数据特征向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述装置500还包括：总定位单元(图中未示出)、总分类单元(图中未示出)。其中，总定位单元，可以被配置成确定特征序列中拼接的所有分词结果中各个分词结果的总位置数据。总分类单元，可以被配置成对特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据。上述得到单元503还包括：总位置映射模块(图中未示出)、总分类映射模块(图中未示出)。其中，总位置映射模块，被配置成对总位置数据进行与自回归模型相适配的向量映射，得到总位置向量；总分类映射模块，被配置成对总分类数据进行与自回归模型相适配的向量映射，得到总分类向量。本实施例中，得到的与自回归模型相适配的多模态输入数据还包括总位置向量和总分类向量。
在一些实施例中，上述至少两种不同模态的数据包括：待处理文本数据和图像数据。上述提取单元502包括：待分词模块(图中未示出)、待拼接模块(图中未示出)、提取模块(图中未示出)、叠加模块(图中未示出)。其中，待分词模块，可以被配置成对待处理文本数据进行分词处理。待拼接模块，可以被配置成对所有分词结果进行拼接，得到分词序列。提取模块，可以被配置成对图像数据进行特征提取，得到图像特征。叠加模块，可以被配置成叠加分词序列与图像特征，得到特征序列。上述得到单元503包括：分词映射模块(图中未示出)、图像映射模块(图中未示出)、词图得到模块(图中未示出)。其中，分词映射模块，可以被配置成对特征序列中的分词序列进行与自回归模型相适配的向量映射，得到分词序列的数据特征向量。图像映射模块，可以被配置成对特征序列中的图像特征进行与自回归模型的输入层相同维度的向量映射，得到图像特征向量。词图得到模块，可以被配置成将数据特征向量以及图像特征向量相加，得到与自回归模型相适配的多模态输入数据。
在一些实施例中，上述装置500还包括：词定位单元(图中未示出)、词分类单元(图中未示出)。其中，词定位单元，被配置成确定分词序列中各个词的词位置数据。词分类单元，被配置成对分词序列中各个词进行分类处理，得到词分类数据。上述得到单元503还包括：词位置映射模块(图中未示出)、词分类映射模块(图中未示出)。其中，词位置映射模块，可以被配置成对词位置数据进行与自回归模型相适配的向量映射，得到词位置向量。词分类映射模块，可以被配置成对词分类数据进行与自回归模型相适配的向量映射，得到词分类向量。本实施例中得到的与自回归模型相适配的多模态输入数据还包括词位置向量和词分类向量。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备600的结构示意图。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、等的输入装置606；包括例如液晶显示器(LCD，Liquid Crystal Display)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。
需要说明的是，本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(Radio Frequency，射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取待处理数据集中至少两种不同模态的数据；对至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列；对特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据；将多模态输入数据输入自回归模型，得到自回归模型输出的单模态结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括获取单元、提取单元、得到单元、处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“配置成获取待处理数据集中至少两种不同模态的数据”的单元。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种模型数据处理方法，所述方法包括：
获取待处理数据集中至少两种不同模态的数据；
对所述至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列；
对所述特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据；
将所述多模态输入数据输入所述自回归模型，得到所述自回归模型输出的单模态结果。
2.根据权利要求1所述的方法，其中，所述至少两种不同模态的数据包括：待处理文本数据和知识图谱数据；
所述对所述至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，包括：
采集所述知识图谱数据对应的三元文本数据；
分别对所述三元文本数据以及所述待处理文本数据进行分词处理，并对所有分词结果进行拼接，得到特征序列。
3.根据权利要求2所述的方法，所述方法还包括：
确定所述特征序列中拼接的所有分词结果中各个分词结果的总位置数据；
所述对所述特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：
对所述特征序列进行与自回归模型相适配的向量映射，得到与所述特征序列对应的数据特征向量；
对所述总位置数据进行与所述自回归模型相适配的向量映射，得到总位置向量；
将所述数据特征向量与所述总位置向量相加，得到与所述自回归模型相适配的多模态输入数据。
4.根据权利要求2所述的方法，所述方法还包括：
对所述特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据；
所述对所述特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：
对所述特征序列进行与自回归模型相适配的向量映射，得到与所述特征序列对应的数据特征向量；
对所述总分类数据进行与所述自回归模型相适配的向量映射，得到总分类向量；
将所述数据特征向量以及所述总分类向量相加，得到与所述自回归模型相适配的多模态输入数据。
5.根据权利要求2所述的方法，其中，所述至少两种不同模态的数据还包括：图像数据；
所述对所述至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，还包括：
对所述图像数据进行特征提取，得到图像特征；
得到的特征序列进一步叠加有所述图像特征；
所述对所述特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，包括：
对所述特征序列中拼接的所有分词结果进行与自回归模型相适配的向量映射，得到与拼接的所有分词结果对应的数据特征向量；
对所述特征序列中的图像特征进行与所述自回归模型的输入层相同维度的向量映射，得到图像特征向量；
将所述数据特征向量以及所述图像特征向量相加，得到与所述自回归模型相适配的多模态输入数据。
6.根据权利要求5所述的方法，所述方法还包括：
确定所述特征序列中拼接的所有分词结果中各个分词结果的总位置数据；
对所述特征序列中拼接的所有分词结果中各个分词结果进行分类处理，得到总分类数据；
所述对所述特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，还包括：
对所述总位置数据进行与所述自回归模型相适配的向量映射，得到总位置向量；
对所述总分类数据进行与所述自回归模型相适配的向量映射，得到总分类向量；
得到的与所述自回归模型相适配的多模态输入数据还包括所述总位置向量和所述总分类向量。
7.根据权利要求1所述的方法，其中，所述至少两种不同模态的数据包括：待处理文本数据和图像数据；
所述对所述至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列，包括：
对所述待处理文本数据进行分词处理，并对所有分词结果进行拼接，得到分词序列；
对所述图像数据进行特征提取，得到图像特征；
叠加所述分词序列与所述图像特征，得到特征序列；
所述对所述特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据包括：
对所述特征序列中的分词序列进行与自回归模型相适配的向量映射，得到所述分词序列的数据特征向量；
对所述特征序列中的图像特征进行与所述自回归模型的输入层相同维度的向量映射，得到图像特征向量；
将所述数据特征向量以及所述图像特征向量相加，得到与所述自回归模型相适配的多模态输入数据。
8.根据权利要求7所述的方法，所述方法还包括：
确定所述分词序列中各个词的词位置数据；
对所述分词序列中各个词进行分类处理，得到词分类数据；
所述对所述特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据，还包括：
对所述词位置数据进行与所述自回归模型相适配的向量映射，得到词位置向量；
对所述词分类数据进行与所述自回归模型相适配的向量映射，得到词分类向量；
得到的与所述自回归模型相适配的多模态输入数据还包括所述词位置向量和所述词分类向量。
9.一种模型数据处理装置，所述装置包括：
获取单元，被配置成获取待处理数据集中至少两种不同模态的数据；
提取单元，被配置成对所述至少两种不同模态的数据进行特征提取后拼接和/或叠加，得到特征序列；
得到单元，被配置成对所述特征序列进行模型映射处理，得到与自回归模型相适配的多模态输入数据；
处理单元，被配置成将所述多模态输入数据输入所述自回归模型，得到所述自回归模型输出的单模态结果。
10.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
12.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。
CN202110080903.5A 2021-01-21 2021-01-21 模型数据处理方法、装置、电子设备以及计算机可读介质 Pending CN113821652A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110080903.5A CN113821652A (zh) 2021-01-21 2021-01-21 模型数据处理方法、装置、电子设备以及计算机可读介质
KR1020237012388A KR20230065339A (ko) 2021-01-21 2021-12-21 모델 데이터 처리 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 매체
JP2023517266A JP2023542665A (ja) 2021-01-21 2021-12-21 モデルデータ処理方法、装置、電子機器、コンピュータ可読媒体およびコンピュータプログラム
US18/029,342 US20230367972A1 (en) 2021-01-21 2021-12-21 Method and apparatus for processing model data, electronic device, and computer readable medium
PCT/CN2021/140074 WO2022156468A1 (zh) 2021-01-21 2021-12-21 模型数据处理方法、装置、电子设备以及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110080903.5A CN113821652A (zh) 2021-01-21 2021-01-21 模型数据处理方法、装置、电子设备以及计算机可读介质

Publications (1)

Publication Number Publication Date
CN113821652A true CN113821652A (zh) 2021-12-21

Family

ID=78912340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110080903.5A Pending CN113821652A (zh) 2021-01-21 2021-01-21 模型数据处理方法、装置、电子设备以及计算机可读介质

Country Status (5)

Country Link
US (1) US20230367972A1 (zh)
JP (1) JP2023542665A (zh)
KR (1) KR20230065339A (zh)
CN (1) CN113821652A (zh)
WO (1) WO2022156468A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115632995B (zh) * 2022-12-19 2023-03-17 北京安帝科技有限公司 用于工控网络的数据特征提取方法、设备与计算机介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263324B (zh) * 2019-05-16 2021-02-12 华为技术有限公司 文本处理方法、模型训练方法和装置
CN112015859B (zh) * 2019-05-31 2023-08-18 百度在线网络技术（北京）有限公司 文本的知识层次抽取方法及装置、计算机设备及可读介质
CN110234018B (zh) * 2019-07-09 2022-05-31 腾讯科技（深圳）有限公司 多媒体内容描述生成方法、训练方法、装置、设备及介质
CN111259148B (zh) * 2020-01-19 2024-03-26 北京小米松果电子有限公司 信息处理方法、装置及存储介质

Also Published As

Publication number Publication date
KR20230065339A (ko) 2023-05-11
US20230367972A1 (en) 2023-11-16
WO2022156468A1 (zh) 2022-07-28
JP2023542665A (ja) 2023-10-11

Similar Documents

Publication Publication Date Title
CN112685565B (zh) 基于多模态信息融合的文本分类方法、及其相关设备
CN111090987B (zh) 用于输出信息的方法和装置
CN108345692B (zh) 一种自动问答方法和系统
CN109740018B (zh) 用于生成视频标签模型的方法和装置
CN107346336B (zh) 基于人工智能的信息处理方法和装置
CN109308681B (zh) 图像处理方法和装置
CN111666416B (zh) 用于生成语义匹配模型的方法和装置
CN113159010B (zh) 视频分类方法、装置、设备和存储介质
CN110009059B (zh) 用于生成模型的方法和装置
CN110610698B (zh) 一种语音标注方法及装置
CN116127020A (zh) 生成式大语言模型训练方法以及基于模型的搜索方法
CN111738010B (zh) 用于生成语义匹配模型的方法和装置
CN111582360A (zh) 用于标注数据的方法、装置、设备和介质
CN111915086A (zh) 异常用户预测方法和设备
CN114282055A (zh) 视频特征提取方法、装置、设备及计算机存储介质
CN109816023B (zh) 用于生成图片标签模型的方法和装置
CN110457325B (zh) 用于输出信息的方法和装置
CN110059172B (zh) 基于自然语言理解的推荐答案的方法和装置
CN112182255A (zh) 用于存储媒体文件和用于检索媒体文件的方法和装置
CN110245334A (zh) 用于输出信息的方法和装置
WO2022156468A1 (zh) 模型数据处理方法、装置、电子设备以及计算机可读介质
CN111026849B (zh) 数据处理方法和装置
CN110288683B (zh) 用于生成信息的方法和装置
CN109816670B (zh) 用于生成图像分割模型的方法和装置
CN111444335A (zh) 中心词的提取方法及装置

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