CN116127319A - 多模态负样本构建、模型预训练方法、装置、设备及介质 - Google Patents
多模态负样本构建、模型预训练方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116127319A CN116127319A CN202310076945.0A CN202310076945A CN116127319A CN 116127319 A CN116127319 A CN 116127319A CN 202310076945 A CN202310076945 A CN 202310076945A CN 116127319 A CN116127319 A CN 116127319A
- Authority
- CN
- China
- Prior art keywords
- sample
- mode
- entity
- modal
- mode positive
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012549 training Methods 0.000 title claims abstract description 49
- 238000010276 construction Methods 0.000 title claims description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 20
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 239000000523 sample Substances 0.000 description 338
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000005065 mining Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000011160 research Methods 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
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/353—Clustering; Classification into predefined classes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种多模态负样本的构建、多模态模型的预训练方法、装置、设备及介质，涉及数据处理技术领域，具体涉及人工智能及知识图谱技术。该多模态负样本的构建方法包括：获取多个多模态正样本，并在各多模态正样本中进行实体识别，获取与各多模态正样本对应的目标实体；根据各目标实体在知识图谱中的实体位置，将各多模态正样本聚类为至少一个样本簇；使用同一样本簇中的各多模态正样本，构建得到多模态负样本。本公开技术方案提供了一种挖掘多模态困难负样本的新方式，可以在无需任何先验知识的前提下，简单、便捷的挖掘出高质量的多模态困难负样本。
Description
技术领域
本公开涉及数据处理技术领域，具体涉及人工智能及知识图谱技术，尤其涉及多模态负样本的构建方法、多模态模型的预训练方法、多模态负样本的构建装置、多模态模型的预训练装置、电子设备及存储有计算机指令的非瞬时计算机可读存储介质。
背景技术
在多模态预训练中，判断不同模态的数据是否匹配是最常用的训练任务之一，如果想要在多模态训练达到对细粒度匹配精度对齐的效果，需要使用多模态困难负样本进行多模态预训练。
所谓多模态困难负样本，是指样本中的两个模态数据为具有一定相关性的不匹配数据。目前，相关技术主要采取依靠附加信息(例如：内容标签)辅助判断困难程度的方式，挖掘得到多模态困难负样本。
然而，上述挖掘方式需要强依赖于附加信息，对于不具有附加信息的数据，无法构建出多模态困难负样本。
发明内容
本公开提供了一种用于多模态负样本的构建方法、多模态模型的预训练方法、多模态负样本的构建装置、多模态模型的预训练装置、电子设备及存储有计算机指令的非瞬时计算机可读存储介质。
根据本公开的一方面，提供了一种多模态负样本的构建方法，包括：
获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；
根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；
使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
根据本公开的另一方面，提供了一种多模态模型的预训练方法，包括：
通过如本公开任一项所述的多模态负样本的构建方法，构建得到多模态负样本；
使用构建得到的所述多模态负样本，预训练得到细粒度的多模态模型。
根据本公开的另一方面，提供了一种多模态负样本的构建装置，包括：
目标实体获取模块，用于获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；
样本簇聚类模块，用于根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；
负样本构建模块，用于使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
根据本公开的另一方面，提供了一种多模态模型的预训练装置，包括：
负样本构建模块，用于通过如本公开任一项所述的多模态负样本的构建装置，构建得到多模态负样本；
预训练模块，用于使用构建得到的所述多模态负样本，预训练得到细粒度的多模态模型。
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如本公开任一项所述的多模态负样本的构建方法，或者，执行如本公开任一项所述的多模态模型的预训练方法。
根据本公开的另一方面，还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如本公开任一项所述的多模态负样本的构建方法，或者，执行如本公开任一项所述的多模态模型的预训练方法。
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是根据本公开实施例提供的一种多模态负样本的构建方法的示意图；
图2是根据本公开实施例提供的另一种多模态负样本的构建方法的示意图；
图3是根据本公开实施例提供的又一种多模态负样本的构建方法的示意图；
图4是本公开实施例所适用的一种完成添加操作的知识图谱的示意图；
图5是根据本公开实施例提供的一种多模态模型的预训练方法的示意图；
图6是根据本公开实施例提供的一种多模态负样本的构建装置的示意图；
图7是根据本公开实施例提供的一种多模态模型的预训练装置的示意图；
图8是用来实现本公开实施例的多模态负样本的构建方法或者多模态模型的预训练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。
图1是根据本公开实施例提供的一种多模态负样本的构建方法的示意图，本公开实施例可适用于自动化构建多模态困难负样本的情况。该方法可由一种多模态负样本的构建装置来执行，该装置可采用硬件和/或软件的方式来实现，并一般可配置于电子设备中。参考图1，该方法具体包括如下操作：
S110、获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体。
其中，多模态正样本是指用于对多模态模型进行训练的正样本。该多模态正样本中包括多个具有配对关系的多个模态的样本数据。该多模态模型的输入为两个不同模态(例如，文本和图片)的数据，输出为上述两个不同模态数据之间的匹配度。
例如，如果多模态正样本中包括文本和图片两个模态，则该多模态正样本中包括用于描述同一内容的文本模态的样本数据以及图片模态的样本数据。如果多模态正样本中包括文本、图片以及音频三个模态，则该多模态正样本中包括用于描述同一内容的文本模态的样本数据、图片模态的样本数据以及音频模态的样本数据。
实体识别，也即命名实体识别(Named Entity Recognition，NER)，是指识别数据中具有特定意义的对象(实体)，主要包括人名、职业、地名、机构名以及专有名词等。
其中，在多模态正样本中进行实体识别时，可以根据多模态正样本中包括的模态类型，采用相适应的实体识别方式进行实体识别。
在一个具体的例子中，如果多模态正样本中包括文本模态的样本数据，则可以直接使用自然语言处理技术，在文本模态的样本数据中进行实体识别，并将识别到的实体作为与多模态正样本对应的目标实体；如果多模态正样本中包括图片模态的样本数据，则可以通过图像识别技术，在图片模态的样本数据中进行实体识别，并将识别到的实体作为与多模态正样本对应的目标实体；如果多模态正样本中包括音频模态的样本数据，则可以首先通过语音转文本技术，首先将音频模态的样本数据转换为文本模态的样本数据后，再使用自然语言处理技术，在文本模态的样本数据中进行实体识别，并将识别到的实体作为与多模态正样本对应的目标实体。
S120、根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇。
知识图谱是一种基于图的数据结构，由节点和边组成，每个节点表示一个实体，每条边为实体与实体之间的关系，知识图谱本质上是语义网络。实体指的可以是现实世界中的事物，比如人、地名、公司、电话、动物等；关系则用来表达不同实体之间的某种联系。
如背景技术所述，多模态困难负样本，是指多模态负样本中的两个模态的样本数据为具有一定相关性的不匹配数据。在一个具体的例子中，如果一个多模态负样本A中文本模态的样本数据为“一辆红色的厢式货车”，图片模态的样本数据为“一只成年的狗”，则该多模态负样本A仅属于多模态负样本，不属于多模态困难负样本。因为多模态模型在判断上述多模态负样本中的图片和文本是否匹配时，只需要判断图片里是否有“车”即可，而不需要判断出“红色”、“厢式”等细节内容。这样的多模态模型在遇到需要不同模态之间细粒度对齐的任务时就会有明显的性能下降问题。在另一个具体的例子中，如果一个多模态负样本B中文本模态的样本数据为“一辆红色的厢式货车”，图片模态的样本数据为“一辆绿色的厢式货车”，由于图文中包括的相同信息较多，但是两者又不完全一致，则该多模态负样本B属于多模态困难负样本。
也即，多模态困难负样本属于多模态负样本，是多模态负样本的真子集。
在本实施例中，创造性的提出了一种通过知识图谱中的实体间关系将多个内容相似的多模态正样本进行聚类的方式，可以在无需利用标注信息这一先验知识的前提下，挖掘得到多模态困难负样本。
可以理解的是，两个实体在知识图谱中的位置越接近，则两个实体间的内容也就越接近。进而，可以根据各所述多模态正样本的目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇。
其中，同一样本簇中包括有多个多模态正样本，位于同一样本簇中的多个多模态正样本，描述内容不同但是接近，可以用来构造多模态困难负样本。
S130、使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
在本实施例中，通过将同一样本簇中的不同多模态正样本中不同模态的样本数据进行组合，可以得到多模态负样本，也即，用于训练细粒度对齐的细粒度多模态模型的多模态困难负样本。
本公开实施例的技术方案通过获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本的方式，通过根据不同多模态正样本中的实体在知识图谱中的位置关系，可以将描述内容不同但是接近的多模态正样本进行准确聚类，进而可以提供一种挖掘多模态困难负样本的新方式，可以在无需任何先验知识的前提下，简单、便捷的挖掘出高质量的多模态困难负样本。
图2是根据本公开实施例提供的一种多模态负样本的构建方法的示意图，本实施例在上述各实施例的技术上进行细化，在本实施例中，将根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇的操作进行具体化。
相应的，如图2所示，所述方法具体可以包括：
S210、获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体。
在本实施例的一个可选的实施方式中，在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体，可以包括：
在各所述多模态正样本中，获取文本模态的样本数据；在各所述文本模态的样本数据中进行实体识别，并将识别到的实体作为与所属多模态正样本对应的目标实体。
在本实施方式中，考虑到基于文本的实体识别是目前使用的最成熟的实体识别技术，进而，为了保证实体识别结果的准确性，可以首先在多模态正样本中获取文本模态的样本数据，并通过文本识别的方式，在该文本模态的样本数据中进行实体识别，并将实体识别结果作为与该文本模态的样本数据所属多模态正样本对应的目标实体。
其中，一个文本模态的样本数据中可以包括一个或者多个实体，可以将识别到的全部实体均作为多模态正样本的目标实体，或者，还可以在识别到多个实体时，获取识别精度最高或者出现频率最高的一个实体，作为多模态正样本的目标实体等，本实施例对此并不进行限制。
S220、根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离。
在本实施例中，以两个多模态正样本为例，描述聚类得到样本簇的具体实现方式。
具体的，首先在知识图谱中，标注出与第一多模态正样本对应的目标实体，也即，获取第一多模态正样本在该知识图谱中的第一实体位置；之后，在知识图谱中，标注出与第二多模态正样本对应的目标实体，也即，获取第二多模态正样本在该知识图谱中的第二实体位置。最后，计算第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离。
其中，该实体距离，可以理解为以第一实体位置为起点出发，当移动至第二实体位置时，所需经过的最小的边数量。可以理解的是，该实体距离越小，第一多模态正样本和第二多模态正样本在知识图谱中的距离越接近，两者所描述的内容也就越相似。
在本实施例的一个可选的实施方式中，根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离，可以包括：
在所述知识图谱中，遍历获取从所述第一实体位置游走到所述第二实体位置的最短路径；
将所述最短路径确定为第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离。
在本可选实施方案中，通过使用随机游走技术，可以简单、便捷且准确的获取知识图谱中第一实体位置和第二实体位置之间的最短距离，以最大程度的节约计算资源，减少计算耗时。
当然，可以理解的是，还可以采取其他的图计算算法，获取第一实体位置和第二实体位置之间的最短距离，例如，Dijkstra算法或者A星算法等，本实施例对此并不进行限制。
S230、如果所述实体距离位于预设的实体距离范围内，则将所述第一多模态正样本和所述第二多模态正样本聚类至同一样本簇中。
如前所述，为了构建多模态困难负样本，需要保证两个多模态正样本之间的内容相似但是不同。因此，获取两个多模态正样本的实体距离后，还需要保证这两个多模态正样本不能指向同一目标实体。因为在两个多模态正样本指向同一目标实体时，可能出现上述两个多模态正样本描述内容相同的情况，此时，不能使用上述两个多模态正样本组合得到多模态负样本。基于此，需要预先构建预设的实体距离范围。上述实体距离范围用于限定同一样本簇中的各所述多模态正样本内容相近但是不同。
作为示例而非限定，可以设定实体距离范围为(0，3)。也即，当第一多模态正样本和第二多模态正样本之间的实体距离为1或者2时，将所述第一多模态正样本和所述第二多模态正样本聚类至同一样本簇中。
S240、使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
在本实施例的一个可选的实施方式中，使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本，可以包括：
在同一所述样本簇的两两多模态正样本中，分别获取不同模态的样本数据，构建得到多模态负样本。
在本可选实施方式中，假设样本簇X中包括有多模态正样本1和多模态正样本2，多模态正样本1中包括：文本模态的样本数据a1和图片模态的样本数据a2，多模态正样本2中包括：文本模态的样本数据b1和图片模态的样本数据b2。
进而，可以使用文本模态的样本数据a1和图片模态的样本数据b2，构建得到多模态负样本3，使用文本模态的样本数据b1和图片模态的样本数据a2，构建得到多模态负样本4。构建得到的多模态负样本3和多模态负样本4均为多模态困难负样本。
通过上述设置，可以简单、便捷的构建出大量高质量的多模态困难负样本，满足细粒度的多模态模型的训练需求。
本公开实施例的技术方案通过根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离；如果所述实体距离位于预设的实体距离范围内，则将所述第一多模态正样本和所述第二多模态正样本聚类至同一样本簇中的实现手段，通过计算不同多模态正样本在知识图谱中的实体距离，可以巧妙的使用预先构建的知识图谱，将内容相似但不相同的多模态正样本进行聚类处理，进而可以提供一种挖掘多模态困难负样本的新方式，可以在无需任何先验知识的前提下，简单、便捷的挖掘出高质量的多模态困难负样本。
图3是根据本公开实施例提供的一种多模态负样本的构建方法的示意图，本实施例在上述各实施例的技术上进行细化，在本实施例中，将根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇的操作进行具体化。
相应的，如图3所示，所述方法具体可以包括：
S310、获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体。
S320、根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本添加至所述知识图谱中。
在本实施例中，通过进一步研究发现，基于知识图谱的多模态负样本的挖掘可能存在知识缺失的问题，导致概念上相近的实体在知识图谱中距离很远。例如，“医生”和“医院”这两个实体，内容比较接近，理论上是可以用来构建多模态负样本的。但是，因为前者属于知识图谱中的“人物”大类，后者属于知识图谱中的“地点”大类，大类的不同会使得它们在知识图谱上的实体距离很远，进而，通过前述各实施例的方法，无法利用与这类实体对应的多模态正样本构建得到多模态负样本。
为了克服上述问题，本实施例提供了一种新形式的多模态负样本的挖掘技术。首先，根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本添加至所述知识图谱中。也即，在前述各实施例中，只要在知识图谱中标注出某一个多模态正样本中包括的目标实体即可，不需对知识图谱本身进行改进。相区别的，在本实施例中，将上述各多模态正样本添加至知识图谱中。
在一个具体的例子中，如果一个多模态正样本中包括知识图谱中的实体1，则可以在该知识图谱中加入一个新的实体N代表该多模态正样本，并在知识图谱中，将该实体N指向实体1。
S330、根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系。
在本实施例中，为了避免概念上相近的实体在知识图谱中距离很远的问题，首先将各所述多模态正样本作为假的实体节点添加至所述知识图谱中。之后，可以结合各多模态正样本之间的匹配度，为知识图谱添加新的边，也即，为各所述多模态正样本添加连接关系。
在本实施例的一个可选的实施方式中，根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系，可以包括：
计算两两所述多模态正样本之间的匹配度；在所述知识图谱中，为所述匹配度位于预设的匹配度范围的两两多模态正样本添加连接关系。
具体的，计算两两所述多模态正样本之间的匹配度的方式，可以为计算两两多模态正样本中同一模态的样本数据之间的匹配度，或者，计算两两多模态正样本中不同模态的样本数据之间的匹配度等，本实施例对此并不进行限制。
可以理解的是，两个所述多模态正样本之间的匹配度越高，说明两个多模态正样本之间的内容越接近，则越倾向于使用上述两个多模态正样本构建多模态负样本。但是，两个所述多模态正样本之间的匹配度同样不能无限度的越高越好，因为会出现两个所述多模态正样本的内容一致的情况，此时，不能使用该两个所述多模态正样本构建多模态负样本。
相应的，在本实施例中，需要预先构建预设的匹配度范围。上述匹配度范围用于限定同一样本簇中的各所述多模态正样本内容相近但是不同。
通过上述设置，可以在所述知识图谱中，为内容相近但是不同的各多模态正样本添加连接关系，为后续的样本簇聚类提供准确的数据准备。
在上述各实施例的基础上，计算两两所述多模态正样本之间的匹配度，可以包括：
在所述两两多模态正样本中，分别获取不同模态的样本数据；将所述不同模态的样本数据共同输入至预先训练的粗粒度多模态模型中，获取所述两两多模态正样本之间的匹配度。
在本实施例中，考虑到构建得到的多模态负样本是用于对多模态模型进行训练使用的，因此，为了保证后续训练效果，可以通过比较两两多模态正样本中不同模态的样本数据之间的匹配度，获取两两多模态正样本之间的匹配度。
其中，比较两两多模态正样本中不同模态的样本数据之间的匹配度的方式，可以为：将所述不同模态的样本数据共同输入至预先训练的粗粒度多模态模型中，获取所述两两多模态正样本之间的匹配度。
具体的，该预先训练的粗粒度多模态模可以为专家模型，专家模型指的是经过训练的、用于处理特定任务的人工智能模型。一般来说，专家模型是不使用多模态困难负样本训练得到的多模态模型。
通过上述设置，可以便捷、准确的获取两两多模态正样本之间的匹配度，实现方式简单，准确度高。
S340、在完成添加操作的所述知识图谱中进行图聚类处理，并根据图聚类结果，将各所述多模态正样本聚类为至少一个样本簇。
其中，通过将各多模态正样本加入至知识图谱中，并建立知识图谱中各多模态正样本之间的连接关系，可以在现有知识图谱的基础上，扩充得到一个新的图结构，之后，可以直接通过简单的图聚类技术，将各所述多模态正样本聚类为至少一个样本簇。
可选的，可以使用louvain算法，将各所述多模态正样本聚类为至少一个样本簇。其中，louvain算法是一种快速的图上聚类算法，时间复杂度O(nlogn)，在规模为两百万的图文数据集上仅需要运行20分钟。
通过图聚类处理，可以将关系密切的多模态正样本分成一个样本簇。在同一个样本簇中的各多模态正样本中的样本数据互为多模态困难负样本，这样得到的多模态困难负样本就充分利用了知识图谱和专家模型的优势。
图4是本公开实施例所适用的一种完成添加操作的知识图谱的示意图。如图4所示，虽然“医生给小明看病”和“小刚去医院看病”这两个样本数据对应的实体在知识图谱中的距离很远，但是，因为这两个样本数据之间的匹配度较高，这两个样本数据在完成添加操作的知识图谱中也会具有连接关系，进而后续在进行图聚类处理时，上述两个样本数据对应的多模态正样本会聚类至同一样本簇中。
S350、使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
本公开实施例的技术方案通过根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本添加至所述知识图谱中；根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系；在完成添加操作的所述知识图谱中进行图聚类处理，并根据图聚类结果，将各所述多模态正样本聚类为至少一个样本簇的技术手段，通过综合利用知识图谱和专家模型的优势，可以充分挖掘出各种潜在的多模态困难负样本，为后续训练得到细粒度的多模态模型提供高质量的数据准备，负样本挖掘耗时短，效率高。
图5是根据本公开实施例提供的一种多模态模型的预训练方法的示意图。本公开实施例可适用于使用自动化构建的多模态困难负样本训练得到细粒度多模态模型的情况。该方法可由一种多模态模型的预训练装置来执行，该装置可采用硬件和/或软件的方式来实现，可配置于电子设备中。
参考图5，该方法具体包括如下：
S510、构建得到多模态负样本。
在本实施例中，可以通过如本公开任一实施例所述的多模态负样本的构建方法，构建得到多个多模态负样本。
可选的，该多模态负样本的构建方法可以包括：
获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；
根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；
使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
其中，在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体，可以包括：
在各所述多模态正样本中，获取文本模态的样本数据；
在各所述文本模态的样本数据中进行实体识别，并将识别到的实体作为与所属多模态正样本对应的目标实体。
其中，根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇，可以包括：
根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离；
如果所述实体距离位于预设的实体距离范围内，则将所述第一多模态正样本和所述第二多模态正样本聚类至同一样本簇中。
其中，根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离，可以包括：
在所述知识图谱中，遍历获取从所述第一实体位置游走到所述第二实体位置的最短路径；
将所述最短路径确定为第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离。
其中，根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇，可以包括：
根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本添加至所述知识图谱中；
根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系；
在完成添加操作的所述知识图谱中进行图聚类处理，并根据图聚类结果，将各所述多模态正样本聚类为至少一个样本簇。
其中，根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系，可以包括：
计算两两所述多模态正样本之间的匹配度；
在所述知识图谱中，为所述匹配度位于预设的匹配度范围的两两多模态正样本添加连接关系。
其中，计算两两所述多模态正样本之间的匹配度，可以包括：
在所述两两多模态正样本中，分别获取不同模态的样本数据；
将所述不同模态的样本数据共同输入至预先训练的粗粒度多模态模型中，获取所述两两多模态正样本之间的匹配度。
其中，使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本，可以包括：
在同一所述样本簇的两两多模态正样本中，分别获取不同模态的样本数据，构建得到多模态负样本。
S520、使用构建得到的所述多模态负样本，预训练得到细粒度的多模态模型。
在本实施例中，通过综合使用多模态正样本上述多个多模态负样本，也即，多模态困难负样本，可以预训练得到细粒度的多模态模型。
如前所述，该细粒度的多模态模型的输入为两个模态的数据，输出为上述两个模态的数据之间的匹配度。
其中，该细粒度的多模态模型，具体是指表示粒度更细，区分能力更强的多模态模型。在预训练得到上述细粒度的多模态模型后，可以根据实际的应用需求，使用该细粒度的多模态模型构建满足要求的应用模型，例如，检索模型、视觉问答模型或者文本生成图片模型等，本实施例对此并不进行限制。
本公开实施例的技术方案通过使用知识图谱构建的多模态负样本构建得到表示粒度更细，区分能力更强的细粒度的多模态模型，可以为各种应用场景提供坚实的基础模型与技术保障。满足对预训练的多模态模型的精度要求，在多模态模型的训练过程中不引入其他计算操作，在效率和性能上都取得了提升。
图6是根据本公开实施例提供的一种多模态负样本的构建装置的示意图。如图6所示，所述装置包括目标实体获取模块610、样本簇聚类模块620以及负样本构建模块630。其中：
目标实体获取模块610，用于获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；
样本簇聚类模块620，用于根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；
负样本构建模块630，用于使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
本公开实施例的技术方案通过获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本的方式，通过根据不同多模态正样本中的实体在知识图谱中的位置关系，可以将描述内容不同但是接近的多模态正样本进行准确聚类，进而可以提供一种挖掘多模态困难负样本的新方式，可以在无需任何先验知识的前提下，简单、便捷的挖掘出高质量的多模态困难负样本。
在上述各实施例的基础上，其中，目标实体获取模块610，可以具体用于：
在各所述多模态正样本中，获取文本模态的样本数据；
在各所述文本模态的样本数据中进行实体识别，并将识别到的实体作为与所属多模态正样本对应的目标实体。
在上述各实施例的基础上，其中，样本簇聚类模块620，可以包括：
实体距离计算单元，用于根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离；
第一样本聚类单元，用于如果所述实体距离位于预设的实体距离范围内，则将所述第一多模态正样本和所述第二多模态正样本聚类至同一样本簇中。
在上述各实施例的基础上，其中，实体距离计算单元，可以具体用于：
在所述知识图谱中，遍历获取从所述第一实体位置游走到所述第二实体位置的最短路径；
将所述最短路径确定为第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离。
在上述各实施例的基础上，其中，样本簇聚类模块620，可以包括：
样本添加单元，用于根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本添加至所述知识图谱中；
连接关系添加单元，用于根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系；
第二样本聚类单元，用于在完成添加操作的所述知识图谱中进行图聚类处理，并根据图聚类结果，将各所述多模态正样本聚类为至少一个样本簇。
在上述各实施例的基础上，其中，连接关系添加单元，可以具体包括：
匹配度计算子单元，用于计算两两所述多模态正样本之间的匹配度；
添加子单元，用于在所述知识图谱中，为所述匹配度位于预设的匹配度范围的两两多模态正样本添加连接关系。
在上述各实施例的基础上，其中，匹配度计算子单元，可以具体用于：
在所述两两多模态正样本中，分别获取不同模态的样本数据；
将所述不同模态的样本数据共同输入至预先训练的粗粒度多模态模型中，获取所述两两多模态正样本之间的匹配度。
在上述各实施例的基础上，其中，负样本构建模块630，可以具体用于：
在同一所述样本簇中获取第一多模态正样本和第二多模态正样本；
从所述第一多模态正样本和所述第二多模态正样本中分别获取不同模态的样本数据，构建得到多模态负样本。
上述产品可执行本公开任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
图7是根据本公开实施例提供的一种多模态模型的预训练装置的示意图。如图7所示，该多模态模型的预训练装置，包括负样本构建模块710以及预训练模块720，其中：
负样本构建模块710，用于通过如本公开任一项所述的多模态负样本的构建装置，构建得到多模态负样本；
预训练模块720，用于使用构建得到的所述多模态负样本，预训练得到细粒度的多模态模型。
本公开实施例的技术方案通过使用知识图谱构建的多模态负样本构建得到表示粒度更细，区分能力更强的细粒度的多模态模型，可以为各种应用场景提供坚实的基础模型与技术保障。满足对预训练的多模态模型的精度要求，在多模态模型的训练过程中不引入其他计算操作，在效率和性能上都取得了提升。
上述产品可执行本公开任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
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，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。
图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如一种多模态负样本的构建方法或者一种多模态模型的预训练方法。例如，在一些实施例中，一种多模态负样本的构建方法或者一种多模态模型的预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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的一种多模态负样本的构建方法或者一种多模态模型的预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801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种多模态负样本的构建方法或者一种多模态模型的预训练方法。
其中，该多模态负样本的构建方法，包括：
获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；
根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；
使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
其中，该多模态模型的预训练方法，包括：
通过如本公开任一实施例所述的多模态负样本的构建方法，构建得到多模态负样本；
使用构建得到的所述多模态负样本，预训练得到细粒度的多模态模型。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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)区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，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。
人工智能是研究使计算机来模拟人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如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
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提供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 (21)
1.一种多模态负样本的构建方法，包括：
获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；
根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；
使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
2.根据权利要求1所述的方法，其中，在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体，包括：
在各所述多模态正样本中，获取文本模态的样本数据；
在各所述文本模态的样本数据中进行实体识别，并将识别到的实体作为与所属多模态正样本对应的目标实体。
3.根据权利要求1或2所述的方法，其中，根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇，包括：
根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离；
如果所述实体距离位于预设的实体距离范围内，则将所述第一多模态正样本和所述第二多模态正样本聚类至同一样本簇中。
4.根据权利要求3所述的方法，其中，根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离，包括：
在所述知识图谱中，遍历获取从所述第一实体位置游走到所述第二实体位置的最短路径；
将所述最短路径确定为第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离。
5.根据权利要求1或2所述的方法，其中，根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇，包括：
根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本添加至所述知识图谱中；
根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系；
在完成添加操作的所述知识图谱中进行图聚类处理，并根据图聚类结果，将各所述多模态正样本聚类为至少一个样本簇。
6.根据权利要求5所述的方法，其中，根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系，包括：
计算两两所述多模态正样本之间的匹配度；
在所述知识图谱中，为所述匹配度位于预设的匹配度范围的两两多模态正样本添加连接关系。
7.根据权利要求6所述的方法，其中，计算两两所述多模态正样本之间的匹配度，包括：
在所述两两多模态正样本中，分别获取不同模态的样本数据；
将所述不同模态的样本数据共同输入至预先训练的粗粒度多模态模型中，获取所述两两多模态正样本之间的匹配度。
8.根据权利要求1所述的方法，其中，使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本，包括：
在同一所述样本簇的两两多模态正样本中，分别获取不同模态的样本数据，构建得到多模态负样本。
9.一种多模态模型的预训练方法，包括：
通过如权利要求1-8任一项所述的方法，构建得到多模态负样本；
使用构建得到的所述多模态负样本，预训练得到细粒度的多模态模型。
10.一种多模态负样本的构建装置，包括：
目标实体获取模块，用于获取多个多模态正样本，并在各所述多模态正样本中进行实体识别，获取与各所述多模态正样本对应的目标实体；
样本簇聚类模块，用于根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本聚类为至少一个样本簇；
负样本构建模块，用于使用同一所述样本簇中的各所述多模态正样本，构建得到多模态负样本。
11.根据权利要求10所述的装置，其中，目标实体获取模块，具体用于：
在各所述多模态正样本中，获取文本模态的样本数据；
在各所述文本模态的样本数据中进行实体识别，并将识别到的实体作为与所属多模态正样本对应的目标实体。
12.根据权利要求10或11所述的装置，其中，样本簇聚类模块，包括：
实体距离计算单元，用于根据第一多模态正样本的第一实体位置和第二多模态正样本的第二实体位置，计算所述第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离；
第一样本聚类单元，用于如果所述实体距离位于预设的实体距离范围内，则将所述第一多模态正样本和所述第二多模态正样本聚类至同一样本簇中。
13.根据权利要求12所述的装置，其中，实体距离计算单元，具体用于：
在所述知识图谱中，遍历获取从所述第一实体位置游走到所述第二实体位置的最短路径；
将所述最短路径确定为第一多模态正样本和所述第二多模态正样本在所述知识图谱中的实体距离。
14.根据权利要求10或11所述的装置，其中，样本簇聚类模块，包括：
样本添加单元，用于根据各所述目标实体在知识图谱中的实体位置，将各所述多模态正样本添加至所述知识图谱中；
连接关系添加单元，用于根据各所述多模态正样本之间的匹配度，在所述知识图谱中，为各所述多模态正样本添加连接关系；
第二样本聚类单元，用于在完成添加操作的所述知识图谱中进行图聚类处理，并根据图聚类结果，将各所述多模态正样本聚类为至少一个样本簇。
15.根据权利要求14所述的装置，其中，连接关系添加单元，具体包括：
匹配度计算子单元，用于计算两两所述多模态正样本之间的匹配度；
添加子单元，用于在所述知识图谱中，为所述匹配度位于预设的匹配度范围的两两多模态正样本添加连接关系。
16.根据权利要求15所述的装置，其中，匹配度计算子单元，具体用于：
在所述两两多模态正样本中，分别获取不同模态的样本数据；
将所述不同模态的样本数据共同输入至预先训练的粗粒度多模态模型中，获取所述两两多模态正样本之间的匹配度。
17.根据权利要求10所述的装置，其中，负样本构建模块，具体用于：
在同一所述样本簇中获取第一多模态正样本和第二多模态正样本；
从所述第一多模态正样本和所述第二多模态正样本中分别获取不同模态的样本数据，构建得到多模态负样本。
18.一种多模态模型的预训练装置，包括：
负样本构建模块，用于通过如权利要求10-17任一项所述的装置，构建得到多模态负样本；
预训练模块，用于使用构建得到的所述多模态负样本，预训练得到细粒度的多模态模型。
19.一种电子设备，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中任一项所述的多模态负样本的构建方法，或者，执行权利要求9所述的多模态模型的预训练方法。
20.一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中任一项所述的多模态负样本的构建方法，或者，执行权利要求9所述的多模态模型的预训练方法。
21.一种计算机程序产品，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权利要求1-8中任一项所述的多模态负样本的构建方法，或者，实现根据权利要求9所述的多模态模型的预训练方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310076945.0A CN116127319B (zh) | 2023-01-16 | 2023-01-16 | 多模态负样本构建、模型预训练方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310076945.0A CN116127319B (zh) | 2023-01-16 | 2023-01-16 | 多模态负样本构建、模型预训练方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116127319A true CN116127319A (zh) | 2023-05-16 |
| CN116127319B CN116127319B (zh) | 2024-03-29 |
Family
ID=86306108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310076945.0A Active CN116127319B (zh) | 2023-01-16 | 2023-01-16 | 多模态负样本构建、模型预训练方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116127319B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116542995A (zh) * | 2023-06-28 | 2023-08-04 | 吉林大学 | 一种基于区域表示和视觉表示的视觉问答方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990297A (zh) * | 2021-03-10 | 2021-06-18 | 北京智源人工智能研究院 | 多模态预训练模型的训练方法、应用方法及装置 |
| EP3913543A2 (en) * | 2020-12-21 | 2021-11-24 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for training multivariate relationship generation model, electronic device and medium |
| CN113919348A (zh) * | 2020-07-07 | 2022-01-11 | 阿里巴巴集团控股有限公司 | 命名实体识别方法、装置、电子设备及计算机存储介质 |
| CN114564593A (zh) * | 2022-02-21 | 2022-05-31 | 北京百度网讯科技有限公司 | 多模态知识图谱的补全方法、装置和电子设备 |
| CN115048538A (zh) * | 2022-08-04 | 2022-09-13 | 中国科学技术大学 | 基于关系增强负采样的多模态知识图谱补全方法与系统 |
| CN115114443A (zh) * | 2022-04-27 | 2022-09-27 | 腾讯科技（深圳）有限公司 | 多模态编码模型的训练方法、装置、电子设备及存储介质 |
| CN115455163A (zh) * | 2022-09-15 | 2022-12-09 | 太保科技有限公司 | 一种知识图谱问答模型的训练方法、对话生成方法及装置 |
-
2023
- 2023-01-16 CN CN202310076945.0A patent/CN116127319B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113919348A (zh) * | 2020-07-07 | 2022-01-11 | 阿里巴巴集团控股有限公司 | 命名实体识别方法、装置、电子设备及计算机存储介质 |
| EP3913543A2 (en) * | 2020-12-21 | 2021-11-24 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for training multivariate relationship generation model, electronic device and medium |
| CN112990297A (zh) * | 2021-03-10 | 2021-06-18 | 北京智源人工智能研究院 | 多模态预训练模型的训练方法、应用方法及装置 |
| CN114564593A (zh) * | 2022-02-21 | 2022-05-31 | 北京百度网讯科技有限公司 | 多模态知识图谱的补全方法、装置和电子设备 |
| CN115114443A (zh) * | 2022-04-27 | 2022-09-27 | 腾讯科技（深圳）有限公司 | 多模态编码模型的训练方法、装置、电子设备及存储介质 |
| CN115048538A (zh) * | 2022-08-04 | 2022-09-13 | 中国科学技术大学 | 基于关系增强负采样的多模态知识图谱补全方法与系统 |
| CN115455163A (zh) * | 2022-09-15 | 2022-12-09 | 太保科技有限公司 | 一种知识图谱问答模型的训练方法、对话生成方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116542995A (zh) * | 2023-06-28 | 2023-08-04 | 吉林大学 | 一种基于区域表示和视觉表示的视觉问答方法及系统 |
| CN116542995B (zh) * | 2023-06-28 | 2023-09-22 | 吉林大学 | 一种基于区域表示和视觉表示的视觉问答方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116127319B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112560496B (zh) | 语义分析模型的训练方法、装置、电子设备及存储介质 | |
| CN113191256B (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
| CN112560874B (zh) | 图像识别模型的训练方法、装置、设备和介质 | |
| CN113792154B (zh) | 故障关联关系的确定方法、装置、电子设备及存储介质 | |
| CN113657289B (zh) | 阈值估计模型的训练方法、装置和电子设备 | |
| US20230306081A1 (en) | Method for training a point cloud processing model, method for performing instance segmentation on point cloud, and electronic device | |
| CN113344089B (zh) | 模型训练方法、装置及电子设备 | |
| CN112989235B (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
| CN115829058B (zh) | 训练样本处理方法、跨模态匹配方法、装置、设备和介质 | |
| CN116127319B (zh) | 多模态负样本构建、模型预训练方法、装置、设备及介质 | |
| CN113360700A (zh) | 图文检索模型的训练和图文检索方法、装置、设备和介质 | |
| US20230245429A1 (en) | Method and apparatus for training lane line detection model, electronic device and storage medium | |
| CN115248890B (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
| CN112560480B (zh) | 任务社区发现方法、装置、设备和存储介质 | |
| CN112559715B (zh) | 态度的识别方法、装置、设备及存储介质 | |
| CN113963186A (zh) | 目标检测模型的训练方法、目标检测方法及相关装置 | |
| CN113792876A (zh) | 骨干网络的生成方法、装置、设备以及存储介质 | |
| CN117688946A (zh) | 基于大模型的意图识别方法、装置、电子设备和存储介质 | |
| CN114758649B (zh) | 一种语音识别方法、装置、设备和介质 | |
| CN113590774B (zh) | 事件查询方法、装置以及存储介质 | |
| CN113591709B (zh) | 动作识别方法、装置、设备、介质和产品 | |
| CN113344214B (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
| CN112560481B (zh) | 语句处理方法、设备和存储介质 | |
| CN113205120B (zh) | 数据标注方法、装置、电子设备及可读存储介质 | |
| CN113051926B (zh) | 文本抽取方法、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 |