CN115221276A - 基于clip的中文图文检索模型训练方法、装置、设备及介质 - Google Patents

基于clip的中文图文检索模型训练方法、装置、设备及介质 Download PDF

Info

Publication number
CN115221276A
CN115221276A CN202210730910.XA CN202210730910A CN115221276A CN 115221276 A CN115221276 A CN 115221276A CN 202210730910 A CN202210730910 A CN 202210730910A CN 115221276 A CN115221276 A CN 115221276A
Authority
CN
China
Prior art keywords
chinese
text
image
training
clip
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
CN202210730910.XA
Other languages
English (en)
Inventor
唐小初
舒畅
陈又新
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202210730910.XA priority Critical patent/CN115221276A/zh
Publication of CN115221276A publication Critical patent/CN115221276A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information

Abstract

本发明涉及人工智能技术，揭露一种基于CLIP的中文图文检索模型训练方法，包括：利用预构建的中文编码器生成中文正样本的正样本向量及负样本的负样本向量集，计算正样本向量之间的第一相似度及正样本向量与负样本向量集之间的第二相似度，根据所述第一相似度及所述第二相似度调整该中文编码器的参数，直到该中文编码器符合第一预设训练条件，将完成训练的中文编码器替代预构建的CLIP检索模型中的英文编码器，得到中文图文CLIP检索模型，利用中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，得到目标中文图文CLIP检索模型。本发明还提出一种基于CLIP的中文图文检索模型训练装置、设备以及介质。本发明可以提升CLIP图文检索模型的中文图文检索性能。

Description

基于CLIP的中文图文检索模型训练方法、装置、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于CLIP的中文图文检索模型训练方法、装置、电子设备及计算机可读存储介质。
背景技术
随着搜索引擎技术的日益发展，基于纯文本的搜索已经不能满足人们日常生活或工作的需要，由于图文信息更加直观、更加丰富，将图片与文本结合在一起的图文搜索功能显得日益重要。
当前在图文搜索领域，基于CLIP的图文检索模型的性能非常强大，得到了广泛的应用。但是基于CLIP的图文检索模型是通过对4亿对英文图文对训练的基础上得到，该模型对英文有着很好的学习和理解能力，但是不能直接将该模型迁移到对中文图文对的学习上，其在中文图文搜索上的性能还有待提升。
发明内容
本发明提供一种基于CLIP的中文图文检索模型训练方法、装置、电子设备及计算机可读存储介质，其主要目的在于提升CLIP图文检索模型的中文图文检索性能。
为实现上述目的，本发明提供的一种基于CLIP的中文图文检索模型训练方法，包括：
步骤A、获取中文文本训练集，从所述中文文本训练集中随机选择一个中文文本作为正样本，其他中文文本作为负样本；
步骤B、对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练；
步骤C、计算所述正样本向量之间的第一相似度，并计算所述正样本向量与所述负样本向量集之间的第二相似度；
步骤D、根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数，并返回上述的步骤B，直到所述预构建的中文编码器符合第一预设训练条件时，退出所述中文识别训练，得到完成训练的中文编码器；
步骤E、利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型；
步骤F、获取中文图文对训练集，利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
可选地，所述对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练中利用预构建的中文编码器生成所述正样本的预设数量的正样本向量，包括：
随机生成所述预构建的中文编码器中的预设参数的预设数量的参数值；
依次从预设数量的参数值中选择一个参数值对所述预设参数进行赋值；
利用赋值后的所述预构建的中文编码器对所述正样本进行向量转换，得到所述正样本对应的一个正样本向量；
汇集所述正样本对应的所有正样本向量，得到所述预设数量的正样本向量。
可选地，所述计算所述正样本向量与所述负样本向量集之间的第二相似度，包括：
对所述负样本向量集进行聚类操作，直到所述聚类操作满足预设的聚类条件时，退出所述聚类操作，并获取聚类后的每个聚类中心；
利用预设的距离函数，依次计算每个所述聚类中心与每个所述正样本向量之间的单边距离；
根据所有所述单边距离计算所述负样本向量集与所述正样本向量之间的综合距离；
对所述综合距离求反，得到所述正样本向量与所述负样本向量集之间的第二相似度。
可选地，所述根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数之前，所述方法还包括：
对所述第一相似度及所述第二相似度进行归一化处理；
利用预设的调和公式计算归一化后的第一相似度与归一化后的第二相似度之间的调和值；
当所述调和值不满足预设的调和值阈值时，则调整所述预构建的中文编码器的参数。
可选地，所述利用预设的调和公式计算归一化后的第一相似度与归一化后的第二相似度之间的调和值，包括：
利用下述预设的调和公式计算所述调和值：
F＝α*S1+β*S2
其中，F表示所述调和值，S1表示归一化后的第一相似度，S2表示归一化后的第二相似度，α为第一调和系数，β为第二调和系数，通过所述第一调和系数和所述第二调和系数，使得当S1增大且S2减小时，F值增大，当S1减小且S2增大时，F值减小。
可选地，所述利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型，包括：
利用所述中文图文CLIP检索模型中的文本编辑器，对所述中文图文对训练集中的文本信息进行向量转换，得到文本向量集，及利用所述中文图文CLIP检索模型中的图像编辑器，对所述中文图文对训练集中的图像信息进行向量转换，得到图像向量集；
利用所述中文图文CLIP检索模型中跨模态对比学习机制，根据所述文本向量集及所述图像向量集进行图像与文本的匹配，得到预测图像文本匹配结果。
计算所述预测图像文本匹配结果与所述中文图文对训练集对应的真实结果之间的损失值；
判断所述损失值是否满足所述第二预设训练条件；
若所述损失值不满足所述第二预设训练条件，则返回上述的所述利用所述中文图文CLIP检索模型中的文本编辑器，对所述中文图文对训练集中的文本信息进行向量转换，得到文本向量集，及利用所述中文图文CLIP检索模型中的图像编辑器，对所述中文图文对训练集中的图像信息进行向量转换，得到图像向量集的步骤；
若所述损失值满足所述第二预设训练条件，则退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
可选地，所述获取中文图文对训练集，包括：
从预设的英文图文对库中获取英文图文对集；
对所述英文图文集对进行中文翻译，得到中文图文对训练集
为了解决上述问题，本发明还提供一种基于CLIP的中文图文检索模型训练装置，所述装置包括：
中文文本训练集获取模块，用于获取中文文本训练集，从所述中文文本训练集中随机选择一个中文文本作为正样本，其他中文文本作为负样本；
中文编码器训练模块，用于对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练；计算所述正样本向量之间的第一相似度，并计算所述正样本向量与所述负样本向量集之间的第二相似度；根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数，直到所述预构建的中文编码器符合第一预设训练条件时，退出所述中文识别训练，得到完成训练的中文编码器；
中文图文模型构建模块，用于利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型；
中文图文模型训练模块，用于获取中文图文对训练集，利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的程序以实现上述所述的基于CLIP的中文图文检索模型训练方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于CLIP的中文图文检索模型训练方法。
本发明实施例利用预构建的中文编码器对中文正样本及中文负样本进行向量转换，通过计算得到正样本向量之间的第一相似度及所述正样本向量与负样本向量之间的第二相似度，利用第一相似度及所述第二相似度调节所述预构建的中文编码器的参数并进行正负样本向量的中文识别训练，使得完成训练的中文编码器具备中文理解和学习能力，进而利用完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型，再利用中文图文对训练集对所述中文图文CLIP检索模型进行训练，得到具备中文图文对检索能力的目标中文图文CLIP检索模型。
附图说明
图1为本发明一实施例提供的基于CLIP的中文图文检索模型训练方法的流程示意图；
图2为本发明一实施例提供的基于CLIP的中文图文检索模型训练方法中其中一个步骤的详细实施流程示意图；
图3为本发明一实施例提供的基于CLIP的中文图文检索模型训练方法中其中一个步骤的详细实施流程示意图；
图4为本发明一实施例提供的基于CLIP的中文图文检索模型训练方法中其中一个步骤的详细实施流程示意图；
图5为本发明一实施例提供的基于CLIP的中文图文检索模型训练方法中其中一个步骤的详细实施流程示意图；
图6为本发明一实施例提供的基于CLIP的中文图文检索模型训练装置的功能模块图；
图7为本发明一实施例提供的实现所述基于CLIP的中文图文检索模型训练方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于CLIP的中文图文检索模型训练方法。所述基于CLIP的中文图文检索模型训练方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于CLIP的中文图文检索模型训练方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于CLIP的中文图文检索模型训练方法的流程示意图。在本实施例中，所述一种基于CLIP的中文图文检索模型训练方法包括：
步骤A、获取中文文本训练集，从所述中文文本训练集中随机选择一个中文文本作为正样本，其他中文文本作为负样本；
本发明实施例中，可以从指定的开源的自然语言学习模型语料库中获取中文文本数据集，也可以利用具有数据抓取能力的Python脚本从指定的网站抓取文本信息，再利用抓取到的文本信息构造中文文本数据集，进一步地，对获取到的和构造的中文文本数据集进行去停用词、去无用符号等预处理操作，得到所述中文文本训练集。
本发明实施例中，可以利用预设的随机法从所述中文本文训练集中随机挑选一个中文文本作为正样本，将剩余的中文文本作为负样本。
步骤B、对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练；
可以理解的是，通常一个CLIP图文检索模型包括文本编码器和图像编码器两部分，其中，所述图像编码器实现对图像信息的特征提取和向量转换，所述文本编码器主要实现对文本信息的特征提取和向量转换，而当前所述文本编辑器主要是针对英文文本。
本发明实施例中，可以基于当前CLIP模型中的文本编码器的结构，对所述文本编码器进行相关参数的初始化，得到所述预构建的中文编码器，并利用所述预构建的中文编码器进行相应的中文识别训练，一方面可以提升文本编码器的中文学习能力，另一方面可以利用完成训练的中文编辑器和CLIP图文检索模型中的图像编码器进行合作，实现对中文图文的检索能力。
本发明实施例中，所述中文识别训练包括利用预构建的中文编码器生成所述正样本的预设数量的正样本向量，
详细地，参阅图2所示利用预构建的中文编码器生成所述正样本的预设数量的正样本向量，包括：
S21、随机生成所述预构建的中文编码器中的预设参数的预设数量的参数值；
S22、依次从预设数量的参数值中选择一个参数值对所述预设参数进行赋值；
S23、利用赋值后的所述预构建的中文编码器对所述正样本进行向量转换，得到所述正样本对应的一个正样本向量；
S24、汇集所述正样本对应的所有正样本向量，得到所述预设数量的正样本向量。
本发明实施例中，所述预设参数可以是所述预构建的中文编码器中任一个可以改变输出结果的参数，例如，卷积核大小、神经元数量或神经元连接个数等。
本发明实施例中，通过每次对所述预设参数赋予不同的取值，实现同一正样本在不同的预设参数取值下，得到不同的向量输出。
本发明实施例中，可以根据所述负样本的实际数量，分批或一次性输入到所述预构建的中文编码器中，利用所述预构建的中文编码器提取每个所述负样本的向量特征，得到相应的负样本向量，汇集所有负样本向量得到所述负样本向量集。
步骤C、计算所述正样本向量之间的第一相似度，并计算所述正样本向量与所述负样本向量集之间的第二相似度；
本发明实施例中，所述正样本向量的数量相较于所述负样本向量集的数量较小，可以直接采用欧式距离、曼哈顿距离或者余弦相似度等计算所述正样本向量之间的距离或相似度，得到所述第一相似度。
本方案实施例中，所述负样本向量集中的负样本向量的数据量可能远远大于所述正样本向量的数据量，为了提升计算效率，较佳地，可以先对所述负样本向量集执行聚类操作，再利用聚类结果得到的聚类中心，计算每个聚类中心与每个所述正样本向量之间的距离或相似度，得到所述第二相似度。
详细地，参阅图3所示，所述计算所述正样本向量与所述负样本向量集之间的第二相似度，包括：
S31、对所述负样本向量集进行聚类操作，直到所述聚类操作满足预设的聚类条件时，退出所述聚类操作，并获取聚类后的每个聚类中心；
S32、利用预设的距离函数，依次计算每个所述聚类中心与每个所述正样本向量之间的单边距离；
S33、根据所有所述单边距离计算所述负样本向量集与所述正样本向量之间的综合距离；
S34、对所述综合距离求反，得到所述正样本向量与所述负样本向量集之间的第二相似度。
本发明实施例中，所述预设的聚类条件可以是每次聚类操作得到的聚类中心趋于稳定，或者是聚类操作次数达到预设的最大聚类次数。
本发明实施例中，所述预设的距离函数可以是欧式距离、曼哈顿距离或者余弦相似度等距离函数。
本发明实施例中，可以通过计算所有所述单边距离的方差值得到所述综合距离。
本发明另一可选实施例中，可以对每个所述单边距离赋予不同的权重，并计算每个所述单边距离对应的赋予权重的权重距离，再对所有所述权重距离进行求均值的计算，最后将计算得到的均值作为所述综合距离。
可以理解的是，两者之间的距离越大，表明两者之间的相似度越小，因此，通过对所述综合距离求反得到所述第二相似度，所述第二相似度可以正常反应两者之间的相似度程度。
步骤D、根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数，并返回上述的步骤B，直到所述预构建的中文编码器符合第一预设训练条件时，退出所述中文识别训练，得到完成训练的中文编码器；
可以理解的是，所述预设数量的正样本向量是由同一中文样本，经所述预构建的中文编码器转换得到的，所述负样本向量集对应不同的中文样本，且与所述正样本不同，理论上，所述预构建的中文编码器的中文文本学习能力越强，相应的所述正样本向量之间的第一相似度会越大，所述预设数量的正样本向量与所述负样本向量集之间的第二相似度会越小，即相同文本学习结果是非常接近的，而不同的文本之间的学习结果是有很大差异的。因此，根据所述第一相似度取值越来越大，相应的所述第二相似度确值越来越小的原则，不断的调整所述预构建的中文编码器的参数，可以促使所述预构建的中文编码的中文学习能力的提升。
详细地，参阅图4所示，所述根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数之前，还可以包括：
S41、对所述第一相似度及所述第二相似度进行归一化处理；
S42、利用预设的调和公式计算归一化后的第一相似度与归一化后的第二相似度之间的调和值；
S43、当所述调和值不满足预设的调和值阈值时，则调整所述预构建的中文编码器的参数。
可以理解的是，所述第一相似度及所述第二相似度的计算方法可以相同或不同，得到的结果标准可能不一致，因此，需要对所述第一相似度及所述第二相似度进行相应的归一化处理。
本发明实施例中，所述预设的调和公式可以采用如下计算公式：
F＝α*S1+β*S2
其中，F表示所述调和值，S1表示归一化后的第一相似度，S2表示归一化后的第二相似度，α为第一调和系数，β为第二调和系数，通过所述第一调和系数和所述第二调和系数，使得当S1增大且S2减小时，F值增大，当S1减小且S2增大时，F值减小。
本发明实施例中，所述预设的调和阈值可以根据实际对所述预构建的中文编码器的训练结果进行设置。
本发明实施例中，所述第一预设训练条件可以采用当所述调和值达到或大于所述预设的调和值阈值时，退出相应的训练。
步骤E、利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型；
可以理解的是，所述预构建的CLIP图文检索模型是基于对大量的英文图文对训练的基础上得到图文匹配学习能力的，而中文图文检索与英文图文检索的区别在于文本信息的不同，因此，本发明实施例利用中文文本训练集对所述预构建的中文编码器进行训练，目的在于提升CLIP图文检索模型中对应的文本编码器的中文学习和理解能力。
本发明实施例中，利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，一方面可以将所述完成训练的中文编辑器应用于中文文本学习场景中，另一方面可以直接继承现有的CLIP图文检索模型中图文比对学习能力。
步骤F、获取中文图文对训练集，利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
本发明实施例中，所述中文图文对是指图像与文本成对组合的信息，其中，文本为中文文本。
可以理解的是，当前现有的CLIP图文检索模型是基于对4亿对英文图文对训练的基础上得到的，可以利用4亿对英文图文对生成中文图文对训练集。
详细地，所述获取中文图文对训练集，包括：从预设的英文图文对库中获取英文图文对集；对所述英文图文集对进行中文翻译，得到中文图文对训练集。
本发明实施例中，可以从现有的CLIP图文检索模型训练库中获取所述英文图文对，利用翻译工具(例如，MT)对所述英文图文进行中文翻译，可以得到相应的中文图文对，这样操作可以降低获取中文图文对的难度和成本。
详细地，参阅图5所示，所述利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型，包括：
S61、利用所述中文图文CLIP检索模型中的文本编辑器，对所述中文图文对训练集中的文本信息进行向量转换，得到文本向量集，及利用所述中文图文CLIP检索模型中的图像编辑器，对所述中文图文对训练集中的图像信息进行向量转换，得到图像向量集；
S62、利用所述中文图文CLIP检索模型中跨模态对比学习机制，根据所述文本向量集及所述图像向量集进行图像与文本的匹配，得到预测图像文本匹配结果。
S63、计算所述预测图像文本匹配结果与所述中文图文对训练集对应的真实结果之间的损失值；
S64、判断所述损失值是否满足所述第二预设训练条件；
S65、若所述损失值不满足所述第二预设训练条件，则返回S61；
S66、若所述损失值满足所述第二预设训练条件，则退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
本发明实施例，通过所述中文图文对训练集对所述中文图文CLIP检索模型进行训练，使得所述中文图文CLIP检索模型具有中文与图文对比的学习能力，可以进一步地，应用于根据中文图文信息的检索中。
本发明实施例利用预构建的中文编码器对中文正样本及中文负样本进行向量转换，通过计算得到正样本向量之间的第一相似度及所述正样本向量与负样本向量之间的第二相似度，利用第一相似度及所述第二相似度调节所述预构建的中文编码器的参数并进行正负样本向量的中文识别训练，使得完成训练的中文编码器具备中文理解和学习能力，进而利用完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型，再利用中文图文对训练集对所述中文图文CLIP检索模型进行训练，得到具备中文图文对检索能力的目标中文图文CLIP检索模型。
如图6所示，是本发明一实施例提供的基于CLIP的中文图文检索模型训练装置的功能模块图。
本发明所述基于CLIP的中文图文检索模型训练装置100可以安装于电子设备中。根据实现的功能，所述基于CLIP的中文图文检索模型训练装置100可以包括中文文本训练集获取模块101、中文编码器训练模块102、中文图文模型构建模块103及中文图文模型训练模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述中文文本训练集获取模块101，用于获取中文文本训练集，从所述中文文本训练集中随机选择一个中文文本作为正样本，其他中文文本作为负样本；
所述中文编码器训练模块102，用于对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练；计算所述正样本向量之间的第一相似度，并计算所述正样本向量与所述负样本向量集之间的第二相似度；根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数，直到所述预构建的中文编码器符合第一预设训练条件时，退出所述中文识别训练，得到完成训练的中文编码器；
所述中文图文模型构建模块103，用于利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型；
所述中文图文模型训练模块104，用于获取中文图文对训练集，利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
详细地，本发明实施例中所述基于CLIP的中文图文检索模型训练装置100中的各个模块在使用时采用与上述的图1至图5中所述的基于CLIP的中文图文检索模型训练方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图7所示，是本发明一实施例提供的实现基于CLIP的中文图文检索模型训练方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于文本的实体关系抽取程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于文本的实体关系抽取程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如基于文本的实体关系抽取程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图7仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图7示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于文本的实体关系抽取程序是多个指令的组合，在所述处理器10中运行时，可以实现：
步骤A、获取中文文本训练集，从所述中文文本训练集中随机选择一个中文文本作为正样本，其他中文文本作为负样本；
步骤B、对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练；
步骤C、计算所述正样本向量之间的第一相似度，并计算所述正样本向量与所述负样本向量集之间的第二相似度；
步骤D、根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数，并返回上述的步骤B，直到所述预构建的中文编码器符合第一预设训练条件时，退出所述中文识别训练，得到完成训练的中文编码器；
步骤E、利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型；
步骤F、获取中文图文对训练集，利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
步骤A、获取中文文本训练集，从所述中文文本训练集中随机选择一个中文文本作为正样本，其他中文文本作为负样本；
步骤B、对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练；
步骤C、计算所述正样本向量之间的第一相似度，并计算所述正样本向量与所述负样本向量集之间的第二相似度；
步骤D、根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数，并返回上述的步骤B，直到所述预构建的中文编码器符合第一预设训练条件时，退出所述中文识别训练，得到完成训练的中文编码器；
步骤E、利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型；
步骤F、获取中文图文对训练集，利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于CLIP的中文图文检索模型训练方法，其特征在于，所述方法包括：
步骤A、获取中文文本训练集，从所述中文文本训练集中随机选择一个中文文本作为正样本，其他中文文本作为负样本；
步骤B、对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练；
步骤C、计算所述正样本向量之间的第一相似度，并计算所述正样本向量与所述负样本向量集之间的第二相似度；
步骤D、根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数，并返回上述的步骤B，直到所述预构建的中文编码器符合第一预设训练条件时，退出所述中文识别训练，得到完成训练的中文编码器；
步骤E、利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型；
步骤F、获取中文图文对训练集，利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
2.如权利要求1所述的基于CLIP的中文图文检索模型训练方法，其特征在于，所述对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练中利用预构建的中文编码器生成所述正样本的预设数量的正样本向量，包括：
随机生成所述预构建的中文编码器中的预设参数的预设数量的参数值；
依次从预设数量的参数值中选择一个参数值对所述预设参数进行赋值；
利用赋值后的所述预构建的中文编码器对所述正样本进行向量转换，得到所述正样本对应的一个正样本向量；
汇集所述正样本对应的所有正样本向量，得到所述预设数量的正样本向量。
3.如权利要求1所述的基于CLIP的中文图文检索模型训练方法，其特征在于，所述计算所述正样本向量与所述负样本向量集之间的第二相似度，包括：
对所述负样本向量集进行聚类操作，直到所述聚类操作满足预设的聚类条件时，退出所述聚类操作，并获取聚类后的每个聚类中心；
利用预设的距离函数，依次计算每个所述聚类中心与每个所述正样本向量之间的单边距离；
根据所有所述单边距离计算所述负样本向量集与所述正样本向量之间的综合距离；
对所述综合距离求反，得到所述正样本向量与所述负样本向量集之间的第二相似度。
4.如权利要求1所述的基于CLIP的中文图文检索模型训练方法，其特征在于，所述根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数之前，所述方法还包括：
对所述第一相似度及所述第二相似度进行归一化处理；
利用预设的调和公式计算归一化后的第一相似度与归一化后的第二相似度之间的调和值；
当所述调和值不满足预设的调和值阈值时，则调整所述预构建的中文编码器的参数。
5.如权利要求4所述的基于CLIP的中文图文检索模型训练方法，其特征在于，所述利用预设的调和公式计算归一化后的第一相似度与归一化后的第二相似度之间的调和值，包括：
利用下述预设的调和公式计算所述调和值：
F＝α*S1+β*S2
其中，F表示所述调和值，S1表示归一化后的第一相似度，S2表示归一化后的第二相似度，α为第一调和系数，β为第二调和系数，通过所述第一调和系数和所述第二调和系数，使得当S1增大且S2减小时，F值增大，当S1减小且S2增大时，F值减小。
6.如权利要求1所述的基于CLIP的中文图文检索模型训练方法，其特征在于，所述利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型，包括：
利用所述中文图文CLIP检索模型中的文本编辑器，对所述中文图文对训练集中的文本信息进行向量转换，得到文本向量集，及利用所述中文图文CLIP检索模型中的图像编辑器，对所述中文图文对训练集中的图像信息进行向量转换，得到图像向量集；
利用所述中文图文CLIP检索模型中跨模态对比学习机制，根据所述文本向量集及所述图像向量集进行图像与文本的匹配，得到预测图像文本匹配结果。
计算所述预测图像文本匹配结果与所述中文图文对训练集对应的真实结果之间的损失值；
判断所述损失值是否满足所述第二预设训练条件；
若所述损失值不满足所述第二预设训练条件，则返回上述的所述利用所述中文图文CLIP检索模型中的文本编辑器，对所述中文图文对训练集中的文本信息进行向量转换，得到文本向量集，及利用所述中文图文CLIP检索模型中的图像编辑器，对所述中文图文对训练集中的图像信息进行向量转换，得到图像向量集的步骤；
若所述损失值满足所述第二预设训练条件，则退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
7.如权利要求1所述的基于CLIP的中文图文检索模型训练方法，其特征在于，所述获取中文图文对训练集，包括：
从预设的英文图文对库中获取英文图文对集；
对所述英文图文集对进行中文翻译，得到中文图文对训练集。
8.一种基于CLIP的中文图文检索模型训练装置，其特征在于，所述装置包括：
中文文本训练集获取模块，用于获取中文文本训练集，从所述中文文本训练集中随机选择一个中文文本作为正样本，其他中文文本作为负样本；
中文编码器训练模块，用于对预构建的中文编码器进行生成所述正样本的预设数量的正样本向量及生成所述负样本的负样本向量集的中文识别训练；计算所述正样本向量之间的第一相似度，并计算所述正样本向量与所述负样本向量集之间的第二相似度；根据所述第一相似度及所述第二相似度调整所述预构建的中文编码器的参数，直到所述预构建的中文编码器符合第一预设训练条件时，退出所述中文识别训练，得到完成训练的中文编码器；
中文图文模型构建模块，用于利用所述完成训练的中文编码器替代预构建的CLIP图文检索模型中的英文编码器，得到中文图文CLIP检索模型；
中文图文模型训练模块，用于获取中文图文对训练集，利用所述中文图文对训练集对所述中文图文CLIP检索模型进行图文匹配训练，直到所述图文匹配训练满足第二预设训练条件时，退出所述图文匹配训练，得到目标中文图文CLIP检索模型。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，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如权利要求1至7中任意一项所述的基于CLIP的中文图文检索模型训练方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于CLIP的中文图文检索模型训练方法。
CN202210730910.XA 2022-06-24 2022-06-24 基于clip的中文图文检索模型训练方法、装置、设备及介质 Pending CN115221276A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210730910.XA CN115221276A (zh) 2022-06-24 2022-06-24 基于clip的中文图文检索模型训练方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210730910.XA CN115221276A (zh) 2022-06-24 2022-06-24 基于clip的中文图文检索模型训练方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115221276A true CN115221276A (zh) 2022-10-21

Family

ID=83610766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210730910.XA Pending CN115221276A (zh) 2022-06-24 2022-06-24 基于clip的中文图文检索模型训练方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115221276A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115952852A (zh) * 2022-12-20 2023-04-11 北京百度网讯科技有限公司 模型训练方法、文本检索方法、装置、电子设备和介质
CN117079048A (zh) * 2023-08-29 2023-11-17 贵州电网有限责任公司 基于clip模型的地质灾害图像识别方法及系统
CN117079048B (zh) * 2023-08-29 2024-05-14 贵州电网有限责任公司 基于clip模型的地质灾害图像识别方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115952852A (zh) * 2022-12-20 2023-04-11 北京百度网讯科技有限公司 模型训练方法、文本检索方法、装置、电子设备和介质
CN115952852B (zh) * 2022-12-20 2024-03-12 北京百度网讯科技有限公司 模型训练方法、文本检索方法、装置、电子设备和介质
CN117079048A (zh) * 2023-08-29 2023-11-17 贵州电网有限责任公司 基于clip模型的地质灾害图像识别方法及系统
CN117079048B (zh) * 2023-08-29 2024-05-14 贵州电网有限责任公司 基于clip模型的地质灾害图像识别方法及系统

Similar Documents

Publication Publication Date Title
CN112667800A (zh) 关键词生成方法、装置、电子设备及计算机存储介质
CN113378970B (zh) 语句相似性检测方法、装置、电子设备及存储介质
CN111695354A (zh) 基于命名实体的文本问答方法、装置及可读存储介质
CN115238670B (zh) 信息文本抽取方法、装置、设备及存储介质
CN114077841A (zh) 基于人工智能的语义提取方法、装置、电子设备及介质
CN114398557A (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN113627797A (zh) 入职员工画像生成方法、装置、计算机设备及存储介质
CN113918704A (zh) 基于机器学习的问答方法、装置、电子设备及介质
CN112579781B (zh) 文本归类方法、装置、电子设备及介质
CN115221276A (zh) 基于clip的中文图文检索模型训练方法、装置、设备及介质
CN114022841A (zh) 人员监控识别方法、装置、电子设备及可读存储介质
CN113706322A (zh) 基于数据分析的服务分发方法、装置、设备及存储介质
CN113204698A (zh) 新闻主题词生成方法、装置、设备及介质
CN116450829A (zh) 医疗文本分类方法、装置、设备及介质
CN116340516A (zh) 实体关系的聚类提取方法、装置、设备及存储介质
CN114595321A (zh) 问题标注方法、装置、电子设备及存储介质
CN115238115A (zh) 基于中文数据的图像检索方法、装置、设备及存储介质
CN114548114A (zh) 文本情绪识别方法、装置、设备及存储介质
CN113656703B (zh) 基于新上线课程的智能推荐方法、装置、设备及存储介质
CN114723523B (zh) 基于用户能力画像的产品推荐方法、装置、设备及介质
CN115221875B (zh) 词权重生成方法、装置、电子设备及存储介质
CN116453137A (zh) 表情语义抽取方法、装置、设备及存储介质
CN117195898A (zh) 实体关系抽取方法、装置、电子设备及存储介质
CN116701594A (zh) 随机采样的对话文本生成训练方法、装置及计算机介质
CN116913553A (zh) 智能问诊中病患症状获取方法、装置、设备及存储介质

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