CN115982376B - 基于文本、多模数据和知识训练模型的方法和装置 - Google Patents
基于文本、多模数据和知识训练模型的方法和装置 Download PDFInfo
- Publication number
- CN115982376B CN115982376B CN202211605774.8A CN202211605774A CN115982376B CN 115982376 B CN115982376 B CN 115982376B CN 202211605774 A CN202211605774 A CN 202211605774A CN 115982376 B CN115982376 B CN 115982376B
- Authority
- CN
- China
- Prior art keywords
- loss
- training
- text
- text data
- data
- 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
- 238000012549 training Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000004393 visual impairment Effects 0.000 claims abstract description 26
- 230000000873 masking effect Effects 0.000 claims abstract description 23
- 201000004569 Blindness Diseases 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 19
- 230000008520 organization Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 8
- 238000003672 processing method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000011160 research Methods 0.000 claims description 5
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007246 mechanism Effects 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
- 230000000007 visual effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010801 machine learning 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
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
Abstract
本公开提供了基于文本、多模数据和知识的模型训练方法和装置，涉及人工智能领域，尤其涉及深度学习，自然语言处理领域，可应用智慧城市场景。具体实现方案为：从样本集中选取样本，对文本数据进行第一随机掩码后输入初始的预训练模型，计算第一掩码语言模型损失；若第一掩码语言模型损失大于预设第一阈值，则调整预训练模型的参数；从样本集中选取样本，对选取的样本中的文本数据进行第二随机掩码后和知识图谱以及多模数据一起输入预训练模型，计算第二掩码语言模型损失、分类损失、视觉损失；若第二掩码语言模型损失、分类损失、视觉损失的加权和大于预设第二阈值，则调整预训练模型的参数。能够得到支持各种下游应用的预训练模型。
Description
技术领域
本公开涉及人工智能领域，尤其涉及深度学习领域，自然语言处理领域，可应用智慧城市场景。
背景技术
随着信息技术和社会的发展，各种文献数据数量激增，而最好保存这些文献的方式就是使用数字图书馆。目前，数字图书馆中已经存放了海量的文献，比如文献、专利数据，存放海量数据的同时，导致了文献管理、文献检索、作者搜索等难度增加。
特别是学术服务行业作为前沿知识的阵地，在国家科技发展创新上起着举足轻重的作用。学术相关的应用包括检索、推荐、学者归一、消歧、主题抽取等等，这些工作目前需要依赖非常多的限定领域的技术支持。目前学术行业技术应用较为单一分散，没有一个有效的底座支持全面技术应用。每个技术应用单独训练一个模型支持，耗时耗力而且效果一般。主要以单点技术为主，无法有效的整合利用全局的信息。
发明内容
本公开提供了一种训练预训练模型和文本处理的方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的第一方面，提供了一种模型训练方法，包括：获取样本集和知识图谱，其中，样本集中每个样本包括文本数据、多模数据；从所述样本集中选取样本，并执行第一阶段训练步骤：对选取的样本中的文本数据进行第一随机掩码后输入初始的预训练模型，得到第一预测结果；根据所述第一预测结果计算文本数据的第一掩码语言模型损失；若所述第一掩码语言模型损失大于预设第一阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第一阶段训练步骤；从所述样本集中选取样本，并执行第二阶段训练步骤：对选取的样本中的文本数据进行第二随机掩码后和所述知识图谱以及多模数据一起输入所述预训练模型，得到第二预测结果；根据所述第二预测结果计算文本数据的第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失；若所述第二掩码语言模型损失、所述分类损失、所述视觉损失的加权和大于预设第二阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第二阶段训练步骤。
根据本公开的第二方面，提供了一种文本处理方法，包括：获取待处理的文本和目标任务；根据所述目标任务选择对应的输出层网络结构与根据第一方面所述的方法生成的预训练模型拼接成目标网络；将所述文本输入所述目标网络，输出处理结果。
根据本公开的第三方面，提供了一种模型训练装置，包括：获取单元，被配置成获取样本集和知识图谱，其中，样本集中每个样本包括文本数据、多模数据；第一训练单元，被配置成从所述样本集中选取样本，并执行第一阶段训练步骤：对选取的样本中的文本数据进行第一随机掩码后输入初始的预训练模型，得到第一预测结果；根据所述第一预测结果计算文本数据的第一掩码语言模型损失；若所述第一掩码语言模型损失大于预设第一阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第一阶段训练步骤；第二训练单元，被配置成从所述样本集中选取样本，并执行第二阶段训练步骤：对选取的样本中的文本数据进行第二随机掩码后和所述知识图谱以及多模数据一起输入所述预训练模型，得到第二预测结果；根据所述第二预测结果计算文本数据的第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失；若所述第二掩码语言模型损失、所述分类损失、所述视觉损失的加权和大于预设第二阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第二阶段训练步骤。
根据本公开的第四方面，提供了一种文本处理装置，包括：获取单元，被配置成获取待处理的文本和目标任务；拼接单元，被配置成根据所述目标任务选择对应的输出层网络结构与根据第二方面任一项所述的装置生成的预训练模型拼接成目标网络；输出单元，被配置成将所述文本输入所述目标网络，输出处理结果。
根据本公开的第五方面，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第一方面和第二方面中任一项所述的方法。
根据本公开的第六方面，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，其中，所述计算机指令用于使所述计算机执行第一方面和第二方面中任一项所述的方法。
根据本公开的第七方面，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第一方面和第二方面中任一项所述的方法。
本公开实施例提供的模型训练方法和装置，通过两个阶段的训练，将文本数据、先验知识、多模数据融合到一起，构建统一的学术大模型，通过结合文本、多模、先验知识等特征，学习学术领域蕴含的潜在模式，进而支持下游的多数应用，并取得更好的效果。
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是本公开可以应用于其中的示例性系统架构图；
图2是根据本公开模型训练方法的一个实施例的流程图；
图3是根据本公开模型训练方法的一个应用场景的示意图；
图4是根据本公开文本处理方法的一个实施例的流程图；
图5是根据本公开模型训练装置的一个实施例的结构示意图；
图6是根据本公开文本处理装置的一个实施例的结构示意图；
图7是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
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。
图1示出了可以应用本公开实施例的模型训练方法、模型训练装置、文本处理方法或文本处理装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端101、102，网络103、数据库服务器104和服务器105。网络103用以在终端101、102，数据库服务器104与服务器105之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端101、102通过网络103与服务器105进行交互，以接收或发送消息等。终端101、102上可以安装有各种客户端应用，例如模型训练类应用、文本处理类应用、购物类应用、支付类应用、网页浏览器和即时通讯工具等。
这里的终端101、102可以是硬件，也可以是软件。当终端101、102为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、膝上型便携计算机和台式计算机等等。当终端101、102为软件时，可以安装在上述所列举的电子设备中。其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)，也可以实现成单个软件或软件模块。在此不做具体限定。
当终端101、102为硬件时，其上还可以安装有图像采集设备。图像采集设备可以是各种能实现采集图像功能的设备，如摄像头、传感器等等。用户110可以利用终端101、102上的图像采集设备，来采集文本的图片。
数据库服务器104可以是提供各种服务的数据库服务器。例如数据库服务器中可以存储有样本集。样本集中包含有大量的样本。其中，样本可以包括文本数据、多模数据，以及对应的标注信息。这样，用户110也可以通过终端101、102，从数据库服务器104所存储的样本集中选取样本。
服务器105也可以是提供各种服务的服务器，例如对终端101、102上显示的各种应用提供支持的后台服务器。后台服务器可以利用终端101、102发送的样本集中的样本，对初始模型进行训练，并可以将训练结果(如生成的预训练模型)发送给终端101、102。这样，用户可以应用生成的预训练模型进行文本处理。
这里的数据库服务器104和服务器105同样可以是硬件，也可以是软件。当它们为硬件时，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。当它们为软件时，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)，也可以实现成单个软件或软件模块。在此不做具体限定。数据库服务器104和服务器105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。数据库服务器104和服务器105也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。
需要说明的是，本公开实施例所提供的模型训练方法或文本处理方法一般由服务器105执行。相应地，模型训练装置或文本处理装置一般也设置于服务器105中。
需要指出的是，在服务器105可以实现数据库服务器104的相关功能的情况下，系统架构100中可以不设置数据库服务器104。
应该理解，图1中的终端、网络、数据库服务器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、网络、数据库服务器和服务器。
继续参见图2，其示出了根据本公开的模型训练方法的一个实施例的流程200。该模型训练方法可以包括以下步骤：
步骤201，获取样本集和知识图谱。
在本实施例中，模型训练方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取样本集和知识图谱。例如，执行主体可以通过有线连接方式或无线连接方式，从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的现有的样本集。再例如，用户可以通过终端(例如图1所示的终端101、102)来收集样本。这样，执行主体可以接收终端提交的样本，并将这些样本存储在本地，从而生成样本集。
在这里，样本集中可以包括至少一个样本，每个样本包括文本数据、多模数据。
多模态数据指的是非文本形式的数据结构形式，如布局、图片、视频、音频等。
知识图谱指的是经过加工整理的，形成一定意义的结构化数据。
可根据预训练模型的应用场景获取相应的样本集，例如，学术场景、新闻场景等。对于学术场景，述文本数据可包括：标题、摘要、正文、作者、机构、实验时间、发表时间等；所述多模数据可包括：布局、快照等；所述知识图谱包括作者—机构关系、作者—研究领域关系、文献的类别、文献的类型等。对于新闻场景，文本数据可包括：报纸、杂志、电视新闻、网络新闻等。所述多模数据可包括：布局、快照、音频、视频等。所述知识图谱包括记者—机构关系、记者—报道领域关系、报纸的类别、报纸的类型等。
样本中还包括标注信息，标注出了标题、摘要、正文、作者、机构、实验时间、发表时间等关键信息。
步骤202，从样本集中选取样本，对选取的样本中的文本数据进行第一随机掩码后输入初始的预训练模型，得到第一预测结果。
在本实施例中，可随机选取样本，也可选取信息量大的样本，例如，文字数量最多，关键信息最完整的样本。第一阶段的训练不需要多模数据，因此也可选择多模数据不完整的样本，例如，没有布局信息或快照的样本。
第一阶段，仅学习文本内容，输入的形式如下：
Input＝[Embtitle|Embabstract|Embcontent]
Emb为代表向量，Embtitle为标题，Embabstract为摘要，Embcontent为正文。
针对第一个学习阶段，本文采用MLM(mask langue model，掩码语言模型)的方案，mask的概率为15％。
可从文本数据中随机进行掩码，可能掩住了标题、摘要或正文中的部分内容。预训练模型可以预测出被掩住的内容作为第一预测结果。
步骤203，根据第一预测结果计算文本数据的第一掩码语言模型损失。
在本实施例中，根据第一预测结果与被掩掉的内容之间的差异计算损失值作为文本数据的第一掩码语言模型损失。
步骤204，若第一掩码语言模型损失大于预设第一阈值，则调整预训练模型的参数，继续执行步骤202-204。
在本实施例中，若第一掩码语言模型损失小于等于预设第一阈值，则第一阶段的训练完成，可进行第二阶段训练，执行步骤205，否则，调整预训练模型的参数，继续执行步骤202-204。重新选择样本，重新计算损失值。通过不断调整参数使得损失值收敛到第一阈值。
步骤205，从样本集中选取样本，对选取的样本中的文本数据进行第二随机掩码后和知识图谱以及多模数据一起输入预训练模型，得到第二预测结果。
在本实施例中，第二阶段训练需要选择多模数据信息完整的样本。学习各类知识和视觉信息，输入的样本包括但不限于以下几种形式：
Input1＝[Embtitle|Emb abstract|EMBauthor]
Input2＝[Embtitle|Emb abstract|EMBorganization]
Input3＝[Embtitle|Emb abstract|EMBauthor|EMBorganization]
Input4＝[Embtitle|Emb abstract|EMBorganization|EMBorganization]
Input5＝[Embtitle|Emb abstract|EMBlayout|EMBsnapshot]
其中，Emb为向量表示，Embtitle为标题，Embabstract为摘要，Embcontent为正文，EMBauthor为作者，EMBorganization为机构，EMBlayout为布局，EMBsnapshot为快照。
除了输入样本之外，还输入相关的知识图谱，从知识图谱中可学习到先验知识。可根据应用场景选择相应的知识图谱，例如，学术知识图谱，娱乐明星知识图谱等。
可随机对摘要、作者、正文、标题等内容进行掩码来计算MLM损失。
第二预测结果可以包括但不限于：预测的掩码内容、文本的类别、布局的向量表示，快照的向量表示等。
步骤206，根据第二预测结果计算文本数据第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失。
在本实施例中，针对第二个学习阶段，本文采用跨域的MLM方案，此外，针对知识融入和多模分别定义新的学习目标，因此学习目标为3个：
Object1＝loss(MLM)，即第二掩码语言模型损失
Object2＝loss(CLS)，即分类损失
Object3＝loss(VIS)，即视觉损失
Object＝Object1+Object2+Object3
这里CLS代表分类，包括根据标题和摘要预测作者的概率/机构的概率/作者和机构间是否为附属关系/机构间是否有关系等
这里的VIS代表视觉信息，包括布局信息和快照信息，均使用resnet的抽取结果的Emb作为学习目标。
第二预测结果可包括以下至少一项：预测的掩码内容、分类结果、图像的向量表示。
根据第二预测结果中预测的掩码内容与被掩掉的文字之间的差异计算文本数据的第二掩码语言模型损失。根据第二预测结果中预测的类别和样本的类别标签之间的差异计算分类损失。根据第二预测结果中图像的向量表示和通过残差网络提取的图像特征之间的差异计算视觉损失。
步骤207，若第二掩码语言模型损失、分类损失、视觉损失的加权和大于预设第二阈值，则调整预训练模型的参数，继续执行步骤205-207。
在本实施例中，若第二掩码语言模型损失、分类损失、视觉损失的加权和不大于预设第二阈值，则模型训练完成。否则，调整预训练模型的参数，重新选择样本，重新计算损失值，直到第二掩码语言模型损失、分类损失、视觉损失的加权和不大于预设第二阈值。
本实施例中模型训练方法，通过上述的模型任务和学习目标改进，基于构建的训练语料，即可实现支持各类下游任务的模型底座，从而高效支持各类应用任务。
在本实施例的一些可选地实现方式中，所述文本数据包括：标题、摘要、正文、作者、机构；所述多模数据包括：布局、快照；所述知识图谱包括作者—机构关系、作者—研究领域关系、文献的类别、文献的类型。可以通过这种类型的样本训练出用于处理学术文本的预训练模型，可以实现检索、推荐、学者归一、消歧、主题抽取等等功能。
在本实施例的一些可选地实现方式中，所述获取样本集，包括：获取以下至少一种类型的文献：期刊、专利、会议、图书、学位论文、报告、标准；将所述文献进行解析和校正，得到文本数据；从所述文本数据中提取出标题、摘要、正文、作者、机构。
主要工作在于收集大模型的输入数据，为了实现统一的学术内容表示，本文收集了期刊、专利、会议、图书等7个不同大类的学术语料，保证了模型的细分领域的泛化能力
该模型用于对各类学术文件的解析，目前绝大部分的学术资料都是以PDF的形式存储的，如何从PDF文件中准确的获取相关的内容是后续模型训练好坏的关键，可包括3个流程：
1、PDF解析：PDF分为2大类，一种为流式的，即由word等转换而来的，另外一种为版式，即由扫描件得到的；为了同时处理这2种类别，可采用ernie-parse算法，可以直接获取解析后的文本、布局、位置等信息
2、PDF校正：ernie-parse的解析结果并不能保证一定是正确的，比如分栏问题、图表位置、公式问题等，因此需要对解析后的结果进行进一步的校正，可使用ernie-layout作为工具，可以获取正确的解析结果
3、PDF的内容抽取：按照标题、作者、摘要、正文等进行文本、布局的获取，还可以对于参考文献、图表、页眉页脚等进行过滤。
通过上述方式能够得到信息含量高的样本，从而提高模型的训练速度和准确率。
在本实施例的一些可选地实现方式中，所述获取样本集，包括：获取所述文献的快照；根据校正过程中识别出的分栏，得到布局。可在PDF文件校正过程中确定出分栏的位置，保留横线和竖线，去除文字内容，得到了布局的图像。通过残差网络从布局的图像中提取图像特征作为学习目标。
在本实施例的一些可选地实现方式中，所述方法还包括：对于所述文本数据中的参考文献、图表、页眉页脚进行过滤。可根据一些关键字段，例如，“参考文献”，“表”过滤，也可通过固定格式位置过滤，例如页眉页脚。这些对于内容对模型训练没有用处，可以过滤掉，以防对模型的关键信息产生干扰。
在本实施例的一些可选地实现方式中，所述对选取的样本中的文本数据进行第一随机掩码后输入初始的预训练模型，得到第一预测结果，包括：对选取的样本中的标题、摘要进行第一随机掩码后输入初始的预训练模型，输出预测的被掩码内容；以及所述根据所述第一预测结果计算文本数据的第一掩码语言模型损失，包括：根据预测的被掩码内容与实际第一随机掩码的内容的差异计算损失值作为文本数据的第一掩码语言模型损失。仅对标题、摘要进行第一随机掩码，而不对正文进行第一随机掩码，因为标题、摘要的预测准确率更高，可以提高模型的训练速度和准确率。
在本实施例的一些可选地实现方式中，所述对选取的样本中文本数据进行第二随机掩码后和所述知识图谱以及多模数据一起输入所述预训练模型，得到第二预测结果，包括：将标题、摘要进行第二随机掩码后和知识图谱与多模数据的组合一起输入所述预训练模型，输出预测的被掩码内容、多模数据的向量表示以及分类结果，所述分类结果包括以下至少一种：根据标题和摘要预测作者的概率、根据标题和摘要预测机构的概率、作者和机构间是否为附属关系、机构间是否有关系；以及所述根据所述第二预测结果计算文本数据的第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失，包括：根据预测的被掩码内容与实际第二随机掩码的内容的差异计算损失值作为文本数据的第二掩码语言模型损失；根据通过残差网络提取的多模数据的特征与所述向量表示的差异计算多模数据的视觉损失；根据文本中提取的关键信息与所述分类结果的差异计算知识图谱的分类损失。仅对标题、摘要进行第一随机掩码，而不对正文进行第一随机掩码，因为标题、摘要的预测准确率更高，可以提高模型的训练速度和准确率。将文本数据和多模数据一起组合，可以提高分类结果的准确性。再加上引入知识图谱作为先验知识，可以进一步提高模型的准确性。
进一步参见图3，图3是根据本实施例的模型训练方法的一个应用场景的示意图。在图3的应用场景中，首先获取7种类型的学术语料，然后通过智能文档工具对学术语料进行解析、样正，得到标题(title)、摘要(abstract)、正文(context)、作者(author)、机构(organization)等文本数据，以及布局(layout)、快照(snapshot)等多模数据，得到了训练样本，输入预训练模型。预训练模型可包括多层transformer网络结构，可提取出分类向量hCLS和上下文向量hcontext。再将这两种向量融合后得到的融合向量，再通过另一个transformer网络结构，得到预测结果。第一阶段训练时，输入文本数据，输出第一预测结果，计算出第一MLM损失，根据第一MLM损失调整预训练模型的参数直到MLM损失收敛到第一阈值。第一阶段训练完成后，重新选择样本，包括文本数据和多模数据。然后将重新选择的样本和知识图谱一起输入预训练模型，得到第二预测结果，计算出第二MLM损失，分类损失(输出的LABEL与标注类别的差异)，视觉损失(输出的EMB与残差网络提取的图像特征之差的差异)。根据这三个损失的加权和调整调整预训练模型的参数直到加权和收敛到第二阈值，预训练模型才完成训练，可以应用于各种文本处理场景。
请参见图4，其示出了本公开提供的文本处理方法的一个实施例的流程400。该文本处理方法可以包括以下步骤：
步骤401，获取待处理的文本和目标任务。
在本实施例中，文本处理方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取待处理的文本。例如，执行主体可以通过有线连接方式或无线连接方式，从用户终端提交的数据中获取待处理的文本和目标任务。服务器可提供网页页面，用户可通过网页页面提交文本和目标任务。文本可以是PDF格式的文件，也可以是纯文本。服务器可以将PDF文件转换成纯文本再处理。目标任务可以是检索、推荐、学者归一、消歧、主题抽取等等。
步骤402，根据目标任务选择对应的输出层网络结构与预训练模型拼接成目标网络。
在本实施例中，服务器预先存储了各种目标任务对应的输出层网络结构，例如，分类任务的输出层网络结构为全连接层，根据类别数目选择相应尺寸的全连接层。预训练模型为流程200训练出的模型，可用作目标任务的基础模型，在预训练模型的基础上拼接出能够处理目标任务的目标网络。
步骤403，将文本输入目标网络，输出处理结果。
在本实施例中，将文本输入目标网络，先经过预训练模型处理，得到一些向量，再通过输出层网络结构，得到最终的处理结果。
需要说明的是，本实施例文本处理方法可以用于测试上述各实施例所生成的预训练模型。进而根据测试结果可以不断地优化预训练模型。该方法也可以是上述各实施例所生成的预训练模型的实际应用方法。采用上述各实施例所生成的预训练模型，来进行文本处理，有助于提高文本处理的性能。
继续参见图5，作为对上述各图所示方法的实现，本公开提供了一种模型训练装置的一个实施例。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，本实施例的模型训练装置500可以包括：获取单元501、第一训练单元502、第二训练单元503。其中，获取单元501，被配置成获取样本集和知识图谱，其中，样本集中每个样本包括文本数据、多模数据；第一训练单元502，被配置成从所述样本集中选取样本，并执行第一阶段训练步骤：对选取的样本中的文本数据进行第一随机掩码后输入初始的预训练模型，得到第一预测结果；根据所述第一预测结果计算文本数据的第一掩码语言模型损失；若所述第一掩码语言模型损失大于预设第一阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第一阶段训练步骤；第二训练单元503，被配置成从所述样本集中选取样本，并执行第二阶段训练步骤：对选取的样本中的文本数据进行第二随机掩码后和所述知识图谱以及多模数据一起输入所述预训练模型，得到第二预测结果；根据所述第二预测结果计算文本数据的第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失；若所述第二掩码语言模型损失、所述分类损失、所述视觉损失的加权和大于预设第二阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第二阶段训练步骤。
在本实施例的一些可选的实现方式中，所述文本数据包括：标题、摘要、正文、作者、机构；所述多模数据包括：布局、快照；所述知识图谱包括作者—机构关系、作者—研究领域关系、文献的类别、文献的类型。
在本实施例的一些可选的实现方式中，第一训练单元502进一步被配置成：获取以下至少一种类型的文献：期刊、专利、会议、图书、学位论文、报告、标准；将所述文献进行解析和校正，得到文本数据；从所述文本数据中提取出标题、摘要、正文、作者、机构。
在本实施例的一些可选的实现方式中，第一训练单元502进一步被配置成：获取所述文献的快照；根据校正过程中识别出的分栏，得到布局。
在本实施例的一些可选的实现方式中，装置500还包括过滤单元(附图中未示出)，被配置成：对于所述文本数据中的参考文献、图表、页眉页脚进行过滤。
在本实施例的一些可选的实现方式中，第一训练单元502进一步被配置成：对选取的样本中的标题、摘要进行第一随机掩码后输入初始的预训练模型，输出预测的被掩码内容；以及所述根据所述第一预测结果计算文本数据的第一掩码语言模型损失，包括：根据预测的被掩码内容与实际第一随机掩码的内容的差异计算损失值作为文本数据的第一掩码语言模型损失。
在本实施例的一些可选的实现方式中，第二训练单元503进一步被配置成：将标题、摘要进行第二随机掩码后和知识图谱与多模数据的组合一起输入所述预训练模型，输出预测的被掩码内容、多模数据的向量表示以及分类结果，所述分类结果包括以下至少一种：根据标题和摘要预测作者的概率、根据标题和摘要预测机构的概率、作者和机构间是否为附属关系、机构间是否有关系；以及所述根据所述第二预测结果计算第二掩码语言模型损失、分类损失、视觉损失，包括：根据预测的被掩码内容与实际第二随机掩码的内容的差异计算损失值作为文本数据的第二掩码语言模型损失；根据通过残差网络提取的多模数据的特征与所述向量表示的差异计算多模数据的视觉损失；根据文本中提取的关键信息与所述分类结果的差异计算知识图谱的分类损失。
继续参见图6，作为对图4所示方法的实现，本公开提供了一种文本处理装置的一个实施例。该装置实施例与图4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6所示，本实施例的文本处理装置600可以包括：获取单元601、拼接单元602、输出单元603。其中，获取单元601，被配置成获取待处理的文本和目标任务；拼接单元602，被配置成根据所述目标任务选择对应的输出层网络结构与根据装置500生成的预训练模型拼接成目标网络；输出单元603，被配置成将所述文本输入所述目标网络，输出处理结果。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
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。
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流程200或400所述的方法。
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流程200或400所述的方法。
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流程200或400所述的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700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7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理，例如模型训练方法。例如，在一些实施例中，模型训练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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的模型训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行模型训练方法。
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)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，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。
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 (18)
1.一种基于文本、多模数据和知识的模型训练方法，包括：
获取样本集和知识图谱，其中，样本集中每个样本包括文本数据、多模数据；
从所述样本集中选取样本，并执行第一阶段训练步骤：对选取的样本中的文本数据进行第一随机掩码后输入初始的预训练模型，得到第一预测结果；根据所述第一预测结果计算文本数据的第一掩码语言模型损失；若所述第一掩码语言模型损失大于预设第一阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第一阶段训练步骤；
从所述样本集中选取样本，并执行第二阶段训练步骤：对选取的样本中的文本数据进行第二随机掩码后和所述知识图谱以及多模数据一起输入所述预训练模型，得到第二预测结果；根据所述第二预测结果计算文本数据的第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失；若所述第二掩码语言模型损失、所述分类损失、所述视觉损失的加权和大于预设第二阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第二阶段训练步骤。
2.根据权利要求1所述的方法，其中，所述文本数据包括：标题、摘要、正文、作者、机构；所述多模数据包括：布局、快照；所述知识图谱包括作者—机构关系、作者—研究领域关系、文献的类别、文献的类型。
3.根据权利要求1所述的方法，其中，所述获取样本集，包括：
获取以下至少一种类型的文献：期刊、专利、会议、图书、学位论文、报告、标准；
将所述文献进行解析和校正，得到文本数据；
从所述文本数据中提取出标题、摘要、正文、作者、机构。
4.根据权利要求3所述的方法，其中，所述获取样本集，包括：
获取所述文献的快照；
根据校正过程中识别出的分栏，得到布局。
5.根据权利要求3所述的方法，其中，所述方法还包括：
对于所述文本数据中的参考文献、图表、页眉页脚进行过滤。
6. 根据权利要求1所述的方法，其中，所述对选取的样本中的文本数据进行第一随机掩码后输入初始的预训练模型，得到第一预测结果，包括：
对选取的样本中的标题、摘要进行第一随机掩码后输入初始的预训练模型，输出预测的被掩码内容；以及
所述根据所述第一预测结果计算文本数据的第一掩码语言模型损失，包括：
根据预测的被掩码内容与实际第一随机掩码的内容的差异计算损失值作为文本数据的第一掩码语言模型损失。
7. 根据权利要求1所述的方法，其中，所述对选取的样本中的文本数据进行第二随机掩码后和所述知识图谱以及多模数据一起输入所述预训练模型，得到第二预测结果，包括：
将标题、摘要进行第二随机掩码后和知识图谱与多模数据的组合一起输入所述预训练模型，输出预测的被掩码内容、多模数据的向量表示以及分类结果，所述分类结果包括以下至少一种：根据标题和摘要预测作者的概率、根据标题和摘要预测机构的概率、作者和机构间是否为附属关系、机构间是否有关系；以及
所述根据所述第二预测结果计算文本数据的第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失，包括：
根据预测的被掩码内容与实际第二随机掩码的内容的差异计算损失值作为文本数据的第二掩码语言模型损失；
根据通过残差网络提取的多模数据的特征与所述向量表示的差异计算多模数据的视觉损失；
根据文本中提取的关键信息与所述分类结果的差异计算知识图谱的分类损失。
8.一种文本处理方法，包括：
获取待处理的文本和目标任务；
根据所述目标任务选择对应的输出层网络结构与根据权利要求1-7中任一项所述的方法生成的预训练模型拼接成目标网络；
将所述文本输入所述目标网络，输出处理结果。
9.一种基于文本、多模数据和知识的模型训练装置，包括：
获取单元，被配置成获取样本集和知识图谱，其中，样本集中每个样本包括文本数据、多模数据；
第一训练单元，被配置成从所述样本集中选取样本，并执行第一阶段训练步骤：对选取的样本中的文本数据进行第一随机掩码后输入初始的预训练模型，得到第一预测结果；根据所述第一预测结果计算文本数据的第一掩码语言模型损失；若所述第一掩码语言模型损失大于预设第一阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第一阶段训练步骤；
第二训练单元，被配置成从所述样本集中选取样本，并执行第二阶段训练步骤：对选取的样本中的文本数据进行第二随机掩码后和所述知识图谱以及多模数据一起输入所述预训练模型，得到第二预测结果；根据所述第二预测结果计算文本数据的第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失；若所述第二掩码语言模型损失、所述分类损失、所述视觉损失的加权和大于预设第二阈值，则调整所述预训练模型的参数，重新选取样本继续执行所述第二阶段训练步骤。
10.根据权利要求9所述的装置，其中，所述文本数据包括：标题、摘要、正文、作者、机构；所述多模数据包括：布局、快照；所述知识图谱包括作者—机构关系、作者—研究领域关系、文献的类别、文献的类型。
11.根据权利要求9所述的装置，其中，所述第一训练单元进一步被配置成：
获取以下至少一种类型的文献：期刊、专利、会议、图书、学位论文、报告、标准；
将所述文献进行解析和校正，得到文本数据；
从所述文本数据中提取出标题、摘要、正文、作者、机构。
12.根据权利要求11所述的装置，其中，所述第一训练单元进一步被配置成：
获取所述文献的快照；
根据校正过程中识别出的分栏，得到布局。
13.根据权利要求11所述的装置，其中，所述装置还包括过滤单元，被配置成：
对于所述文本数据中的参考文献、图表、页眉页脚进行过滤。
14. 根据权利要求9所述的装置，其中，所述第一训练单元进一步被配置成：
对选取的样本中的标题、摘要进行第一随机掩码后输入初始的预训练模型，输出预测的被掩码内容；以及
所述根据所述第一预测结果计算文本数据的第一掩码语言模型损失，包括：
根据预测的被掩码内容与实际第一随机掩码的内容的差异计算损失值作为文本数据的第一掩码语言模型损失。
15. 根据权利要求9所述的装置，其中，所述第二训练单元进一步被配置成：
将标题、摘要进行第二随机掩码后和知识图谱与多模数据的组合一起输入所述预训练模型，输出预测的被掩码内容、多模数据的向量表示以及分类结果，所述分类结果包括以下至少一种：根据标题和摘要预测作者的概率、根据标题和摘要预测机构的概率、作者和机构间是否为附属关系、机构间是否有关系；以及
所述根据所述第二预测结果计算文本数据的第二掩码语言模型损失、知识图谱的分类损失、多模数据的视觉损失，包括：
根据预测的被掩码内容与实际第二随机掩码的内容的差异计算损失值作为文本数据的第二掩码语言模型损失；
根据通过残差网络提取的多模数据的特征与所述向量表示的差异计算多模数据的视觉损失；
根据文本中提取的关键信息与所述分类结果的差异计算知识图谱的分类损失。
16.一种文本处理装置，包括：
获取单元，被配置成获取待处理的文本和目标任务；
拼接单元，被配置成根据所述目标任务选择对应的输出层网络结构与根据权利要求9-15中任一项所述的装置生成的预训练模型拼接成目标网络；
输出单元，被配置成将所述文本输入所述目标网络，输出处理结果。
17. 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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211605774.8A CN115982376B (zh) | 2022-12-14 | 2022-12-14 | 基于文本、多模数据和知识训练模型的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211605774.8A CN115982376B (zh) | 2022-12-14 | 2022-12-14 | 基于文本、多模数据和知识训练模型的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115982376A CN115982376A (zh) | 2023-04-18 |
| CN115982376B true CN115982376B (zh) | 2023-11-03 |
Family
ID=85963963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211605774.8A Active CN115982376B (zh) | 2022-12-14 | 2022-12-14 | 基于文本、多模数据和知识训练模型的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115982376B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116629315B (zh) * | 2023-05-23 | 2024-02-20 | 北京百度网讯科技有限公司 | 感知模型的训练方法、装置、设备和介质 |
| CN116911384B (zh) * | 2023-06-13 | 2024-01-26 | 电子科技大学 | 一种零抑制的增量知识调优方法、装置及电子设备 |
| CN116795973B (zh) * | 2023-08-16 | 2023-10-24 | 腾讯科技（深圳）有限公司 | 基于人工智能的文本处理方法及装置、电子设备、介质 |
| CN117033667B (zh) * | 2023-10-07 | 2024-01-09 | 之江实验室 | 一种知识图谱构建方法、装置、存储介质及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705187A (zh) * | 2021-08-13 | 2021-11-26 | 北京百度网讯科技有限公司 | 预训练语言模型的生成方法、装置、电子设备和存储介质 |
| CN114611532A (zh) * | 2022-05-06 | 2022-06-10 | 北京百度网讯科技有限公司 | 语言模型训练方法及装置、目标翻译错误检测方法及装置 |
-
2022
- 2022-12-14 CN CN202211605774.8A patent/CN115982376B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705187A (zh) * | 2021-08-13 | 2021-11-26 | 北京百度网讯科技有限公司 | 预训练语言模型的生成方法、装置、电子设备和存储介质 |
| CN114611532A (zh) * | 2022-05-06 | 2022-06-10 | 北京百度网讯科技有限公司 | 语言模型训练方法及装置、目标翻译错误检测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 文本词向量与预训练语言模型研究;徐菲菲等;上海电力大学学报(04);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115982376A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115982376B (zh) | 基于文本、多模数据和知识训练模型的方法和装置 | |
| KR20210038449A (ko) | 문답 처리, 언어 모델 훈련 방법, 장치, 기기 및 저장 매체 | |
| US11507677B2 (en) | Image classification modeling while maintaining data privacy compliance | |
| CN104735468B (zh) | 一种基于语义分析将图像合成新视频的方法及系统 | |
| CN106383875B (zh) | 基于人工智能的人机交互方法和装置 | |
| US11758088B2 (en) | Method and apparatus for aligning paragraph and video | |
| CN113806588B (zh) | 搜索视频的方法和装置 | |
| CN114861889B (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
| JP2022135930A (ja) | ビデオ分類方法、装置、機器、および記憶媒体 | |
| CN112686022A (zh) | 违规语料的检测方法、装置、计算机设备及存储介质 | |
| US20220121668A1 (en) | Method for recommending document, electronic device and storage medium | |
| US20200218746A1 (en) | Method and apparatus for presenting information | |
| CN107526718A (zh) | 用于生成文本的方法和装置 | |
| CN111414471B (zh) | 用于输出信息的方法和装置 | |
| CN115438149A (zh) | 一种端到端模型训练方法、装置、计算机设备及存储介质 | |
| CN114090792A (zh) | 基于对比学习的文档关系抽取方法及其相关设备 | |
| CN111460224B (zh) | 评论数据的质量标注方法、装置、设备及存储介质 | |
| CN109472028B (zh) | 用于生成信息的方法和装置 | |
| US11929100B2 (en) | Video generation method, apparatus, electronic device, storage medium and program product | |
| CN113609833B (zh) | 文件的动态生成方法、装置、计算机设备及存储介质 | |
| CN116030375A (zh) | 视频特征提取、模型训练方法、装置、设备及存储介质 | |
| US20220358293A1 (en) | Alignment of values and opinions between two distinct entities | |
| CN112651231B (zh) | 口语信息处理方法、装置和电子设备 | |
| CN114218431A (zh) | 视频搜索方法、装置、电子设备以及存储介质 | |
| CN113688938A (zh) | 确定对象情感的方法、训练情感分类模型的方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |