CN116522944A - 基于多头注意力的图片生成方法、装置、设备及介质 - Google Patents

基于多头注意力的图片生成方法、装置、设备及介质 Download PDF

Info

Publication number
CN116522944A
CN116522944A CN202310568013.8A CN202310568013A CN116522944A CN 116522944 A CN116522944 A CN 116522944A CN 202310568013 A CN202310568013 A CN 202310568013A CN 116522944 A CN116522944 A CN 116522944A
Authority
CN
China
Prior art keywords
text
word
picture
input text
preset
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
CN202310568013.8A
Other languages
English (en)
Inventor
舒畅
肖京
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 CN202310568013.8A priority Critical patent/CN116522944A/zh
Publication of CN116522944A publication Critical patent/CN116522944A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/126—Character encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Machine Translation (AREA)

Abstract

本发明涉及自然语言技术领域，揭露一种基于多头注意力的图片生成方法，包括：获取输入文本，对输入文本进行分词，得到分词文本；查询分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征；通过前馈神经网络的网络编码对文本特征进行编码，得到文本特征向量，并利用预设到的序列编码模型将输入文本向量化，得到多个词向量；通过多头注意力机制对词向量进行筛选，得到筛选词向量；基于筛选词向量和文本特征向量，利用预设的图片生成器生成输入文本对应的文本图片。本发明还提出一种基于多头注意力的图片生成装置、设备及存储介质。本发明可以提升根据医疗文本生成图片的准确性。

Description

基于多头注意力的图片生成方法、装置、设备及介质
技术领域
本发明涉及自然语言技术领域，尤其涉及一种基于多头注意力的图片生成方法、装置、设备及介质。
背景技术
随着人们工作节奏和工作量的增加，自动化程度的推广，对于通过文字自动生成图片的需求也越来越多。在医疗场景中，也存在着根据文字自动生成图片的需求，特别是在某些医学科普文章或者课件中，为了更生动形象地描述病情、治疗方式等，常常需要根据文字自动生成相应的图片，例如，在介绍心脏病发作的过程时，可以通过患者描述的文字自动生成包含心脏组织结构、血液循环等元素的心脏病发作图，更生动形象地向读者展示心脏病的具体表现形式。
然而现有的图片生成方法大多都只从生成图片所属的主题类型的角度生成图片，并不能基于输入的医疗文本准确地生成与输入的医疗文本匹配的图片。
发明内容
本发明提供一种基于多头注意力的图片生成方法、装置、设备及介质，其主要目的在于提升根据医疗文本生成图片的准确性。
为实现上述目的，本发明提供的一种基于多头注意力的图片生成方法，包括：
获取输入文本，并对所述输入文本进行分词，得到分词文本；
利用预设的实体字典查询所述分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征；
通过所述前馈神经网络的网络编码对所述文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将所述输入文本向量化，得到多个词向量；
通过多头注意力机制对所述词向量进行筛选，得到筛选词向量；
基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片。
可选地，所述对所述输入文本进行分词，得到分词文本，包括：
根据预设的统计词典构建所述统计字典中词的前缀词典；
基于标点符号或者非中文字符将所述输入文本划分为多个输入文本子句；
查找所述输入文本子句中的各个字词是否存在于所述统计词典中；
对于存在于所述统计词典中的字词，通过所述前缀词典和所述输入文本子句构建有向无环图，并基于所述有向无环图对所述输入文本子句进行分词，得到所述分词文本；
对于不存在于所述统计词典中的字词，使用隐马尔可夫模型和维特比算法对所述输入文本子句进行隐状态查找，得到所述分词文本。
可选地，所述基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片，包括：
步骤A：根据所述筛选词向量和所述文本特征向量构建组合向量，并将所述组合向量转化为矩阵形式，得到组合矩阵；
步骤B：反卷积所述组合矩阵，得到反卷积矩阵，并对所述反卷积矩阵进行批归一化和通过第一激活函数进行激活，得到激活图片；
重复执行步骤A和步骤B，直到所述激活图片不再变化时，得到原始图片；
对所述原始图片进行反卷积，并通过第二激活函数进行激活，得到所述输入文本对应的文本图片。
可选地，所述通过多头注意力机制对所述词向量进行筛选，得到筛选词向量，包括：
将各个所述词向量复制为多份后分别乘以所述词向量的权重矩阵，得到多个加权矩阵；
通过预设的注意力计算公式计算注意力，得到标量值；
将各个所述加权矩阵分别乘以所述标量值后再拼接，得到筛选词向量。
可选地，所述利用预设的实体字典查询所述分词文本中的文本实体，包括：
获取所述分词文本的关键词，并根据所述关键词分析所述分词文本所属的技术领域；
根据所述分词文本所属的技术领域确定实体字典；
对所述分词文本进行单文本分割得到多个单文本；
将各个单文本分别与所述实体字典进行匹配，得到每个所述单文本对应的匹配结果，并根据所述匹配结果得到所述文本实体。
可选地，所述注意力计算公式：
其中，Q、K、V为所述词向量经过不同的线性变换后得到的三个代表不同信息的向量，dk表示向量K的维度，KT表示权重矩阵K的转置向量。
可选地，所述基于所述有向无环图对所述输入文本子句进行分词，得到所述分词文本，包括：
通过动态规划法从所述有向无环图中查找概率最大路径，并根据所述概率最大路径对所述输入文本子句进行分词，得到所述分词文本。
为了解决上述问题，本发明还提供一种基于多头注意力的图片生成装置，所述装置包括：
文本分词模块，用于获取输入文本，并对所述输入文本进行分词，得到分词文本；
特征提取模块，用于利用预设的实体字典查询所述分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征；
词向量获取模块，用于通过所述前馈神经网络的网络编码对所述文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将所述输入文本向量化，得到多个词向量，通过多头注意力机制对所述词向量进行筛选，得到筛选词向量；
图片生成模块，用于基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片。
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：
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，所述计算机程序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上所述的基于多头注意力的图片生成方法。
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，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如上所述的基于多头注意力的图片生成方法。
本发明实施例中，对输入文本进行分词，得到分词文本，然后利用预设的实体字典查询分词文本中的文本实体，并通过预设的前馈神经网络提取文本实体的特征，得到文本特征，实现文本特征的提取，之后通过前馈神经网络的网络编码对文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将输入文本向量化，得到多个词向量，之后通过多头注意力机制对词向量进行筛选，得到筛选词向量，达到提取文本词向量的目的，最后基于筛选词向量和文本特征向量，利用预设的图片生成器生成输入文本对应的文本图片。通过输入文本的文本特征向量以及对输入文本进行筛选后得到的筛选词向量这两个方面的特征生成图片，使得生成的图片契合输入文本的语义，从而实现提升医疗根据文本生成图片的准确性的目的。
附图说明
图1为本发明一实施例提供的一种基于多头注意力的图片生成方法的流程示意图；
图2为本发明一实施例提供一种基于多头注意力的图片生成方法中一个步骤的详细流程示意图；
图3为本发明一实施例提供一种基于多头注意力的图片生成方法中一个步骤的详细流程示意图；
图4为本发明一实施例提供的基于多头注意力的图片生成装置的模块示意图；
图5为本发明一实施例提供的实现基于多头注意力的图片生成方法的电子设备的内部结构示意图。
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多头注意力的图片生成方法。所述基于多头注意力的图片生成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。其中，服务器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(Content Delivery 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。换言之，所述基于多头注意力的图片生成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。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的一种基于多头注意力的图片生成方法的流程示意图。
详细地，在本实施例中，所述基于多头注意力的图片生成方法包括以下步骤S1-S5：
S1、获取输入文本，并对所述输入文本进行分词，得到分词文本。
本发明实施例中，可以通过预设的分词工具对所述输入文本进行分词，所述分词工具根据所述输入文本的选择进行变更，若所述输入文本为中文文本，则所述分词工具可以为jieba或者hanlp等中文分词工具，若所述输入文本为英文文本，则所述分词工具可以为NLTK或者Spacy等英文分词工具。
本发明实施例中，所述输入文本为用户或者工作人员输入的，用于生成图片的文本。其中，所述输入文本可以为医护人员对病患进行问诊时，病患根据病灶以及症状回答的医疗文本。所述分词文本为对所述输入文本进行分词后得到的文本。例如，输入文本为“我的左腰上长了一些疱疹”，通过jieba中文分词工具进行分词后得到的分词文本为“、我的、左腰、上、长了、一些、疱疹”。
进一步地，参阅图2所示，所述对所述输入文本进行分词，得到分词文本，包括：
S101、根据预设的统计词典构建所述统计字典中词的前缀词典；
S102、基于标点符号或者非中文字符将所述输入文本划分为多个输入文本子句；
S103、查找所述输入文本子句中的各个字词是否存在于所述统计词典中；
S104、对于存在于所述统计词典中的字词，通过所述前缀词典和所述输入文本子句构建有向无环图，并基于所述有向无环图对所述输入文本子句进行分词，得到所述分词文本；
S105、对于不存在于所述统计词典中的字词，使用隐马尔可夫模型和维特比算法对所述输入文本子句进行隐状态查找，得到所述分词文本。
本发明实施例中，所述统计词典可以根据预设的分词工具获取，如，从分词工具的共享文件夹中获取。所述前缀词典为将所述统计词典中出现的每一个词的每一个前缀提取出来，统计词频后得到的词典。
进一步地，所述基于标点符号或者非中文字符将所述输入文本划分为多个输入文本子句，包括：根据普通字符以及特殊字符构建正则表达式，将所述正则表达式和所述输入文本进行匹配，以标点符号或者非中文字符为分界，将所述输入文本划分为多个输入文本子句。
本发明实施例中，所述正则表达式又称规则表达式(Regular Expression)，是一种文本模式，包括普通字符和特殊字符。所述正则表达式使用单个字符串来描述、匹配一系列某个句法规则的字符串，通常被用来检索、替换符合某个模式的文本。其中，所述普通字符可以为a到z之间的字母，所述特殊字符可以为“{”、“$”“+”等字符。
本发明实施例中，所述隐马尔可夫模型(Hidden Markov Model，HMM)作为一种统计分析模型，可用于语音识别、行为识别、文字识别以及故障诊断领域。所述维特比算法(Viterbi algorithm)是一种动态规划算法，用于查找最有可能产生观测事件序列的隐含状态序列，常用于隐马尔客服模型和马尔可夫信息源上下文中。
进一步地，所述基于所述有向无环图对所述输入文本子句进行分词，得到所述分词文本，包括：
通过动态规划法从所述有向无环图中查找概率最大路径，并根据所述概率最大路径对所述输入文本子句进行分词，得到所述分词文本。
本发明实施例中，所述概率最大路径为有向无环图中从一个节点到另一个节点多种路径中概率最大的路径，通过所述概率最大路径可以从多种分词结果中查找概率最大的分词结构。例如，存在输入文本“我的左腰上长了一些疱疹”，存在多种分词结构“我的、左腰、上、长了、一些、疱疹”、“我、的、左、腰、上、长了、一些、疱疹”、“我的、左、腰上、长了、一些、疱疹”每种分词结构都在有向无环图中表示为从一个节点到另一节点的路径，通过动态规划法查找到概率最大的路径，按照该路径对应的分词结构进行分词即可得到分词文本。
本发明实施例中，所述动态规划法将待求解问题分解成若干个子问题，但是子问题间往往不是相互独立。所述动态规划法将每个子问题只求解一次并将其解保存在一个表格中，当需要再次求解此子问题时，只是简单地通过查表获得该子问题的解，从而避免了大量的重复计算。
本发明实施例中，通过所述分词工具对所述输入文本进行分词可以对文本的歧义进行切分，使文本表述的含义更清晰。
S2、利用预设的实体字典查询所述分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征。
本发明实施例中，可根据所述输入文本所属的领域获取特定领域的实体字典。例如输入文本中具有利率等金融领域的关键词，则判断输入文本为金融类文本，实体字典可选用金融领域的实体字典，输入文本中具有病灶等医疗领域的关键词，则判断输入文本为医疗类文本，实体字典可选用医疗领域的实体字典。
进一步地，所述利用预设的实体字典查询所述分词文本中的文本实体，包括：
获取所述分词文本的关键词，并根据所述关键词分析所述分词文本所属的技术领域；
根据所述分词文本所属的技术领域确定实体字典；
对所述分词文本进行单文本分割得到多个单文本；
将各个单文本分别与所述实体字典进行匹配，得到每个所述单文本对应的匹配结果，并根据所述匹配结果得到所述文本实体。
本发明实施例中，所述实体字典用于获取所述单文本对应的文本实体。
本发明实施例中，所述前馈神经网络(feedforward neural network，FNN)为一种最简单得神经网络，各神经元分层排列，每个神经元只与前一层的神经元相连，接收前一层的输出并传输给下一层，各层间没有反馈。
S3、通过所述前馈神经网络的网络编码对所述文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将所述输入文本向量化，得到多个词向量。
本发明实施例中，所述文本特征向量为文本特征类数据转后得到的计算机可以处理的结构化数据。
本发明实施例中，所述序列编码模型可以为BERT模型，所述BERT模型为一种预训练的语言表征模型，用于将所述输入文本向量化，从而得到所述输入文本对应的词向量。
本发明实施例中，所述词向量为将所述输入文本向量化后得到的向量，涉及每个单词一维的空间到具有更低维度的连续向量空间的数学嵌入。
本发明另一实施例中，所述序列编码模型还可以为LSTM模型。
S4、通过多头注意力机制对所述词向量进行筛选，得到筛选词向量。
本发明实施例中，所述多头注意力(multi-head attention)机制为是利用多个查询来平行地从词向量中选取多个信息，并根据选取的信息对词向量进行筛选的机制，其中，所述多头注意力机制中每个注意力关注所述词向量的不同部分。所述筛选词向量为对词向量进行筛选后得到的向量。
进一步地，所述通过多头注意力机制对所述词向量进行筛选，得到筛选词向量，包括：
将各个所述词向量复制为多份后分别乘以所述词向量的权重矩阵，得到多个加权矩阵；
通过预设的注意力计算公式计算注意力，得到标量值；
将各个所述加权矩阵分别乘以所述标量值后再拼接，得到筛选词向量。
本发明实施例中，通过下述注意力计算公式计算注意力：
其中，Q、K、V为所述词向量经过不同的线性变换后得到的三个代表不同信息的向量，dk表示向量K的维度，KT表示权重矩阵K的转置向量。
S5、基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片。
本发明实施例中，所述图片生成器为根据向量生成图片的设备，用于生成所述输入文本对应的文本图片。所述文本图片为根据所述输入文本生成的图片，其中，若所述文本图片为根据病患的口述内容生成的医疗文本图片时，可能因为病患口述内容不够准确造成图片存在谬误，需要医护人员根据医疗文本图片对病患进行引导，修改口述内容，以生成更符合医学常识的图片。
进一步地，参阅图3所示，所述基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片，包括：
S501、根据所述筛选词向量和所述文本特征向量构建组合向量，并将所述组合向量转化为矩阵形式，得到组合矩阵；
S502、反卷积所述组合矩阵，得到反卷积矩阵，并对所述反卷积矩阵进行批归一化和通过第一激活函数进行激活，得到激活图片；
S503、重复执行S501和S502，直到所述激活图片不再变化时，得到原始图片；
S504、对所述原始图片进行反卷积，并通过第二激活函数进行激活，得到所述输入文本对应的文本图片。
本发明实施例中，所述第一激活函数为Relu激活函数，所述Relu激活函数具备计算量大的优点，并且还可以有效缓解过拟合的问题，所述第二激活函数为Tanh激活函数，所述Tanh激活函数和所述Relu激活函数相同，均为非线性函数，用于对反卷积到的原始图像进行激活，生成文本图片。
本发明实施例中，对输入文本进行分词，得到分词文本，然后利用预设的实体字典查询分词文本中的文本实体，并通过预设的前馈神经网络提取文本实体的特征，得到文本特征，实现文本特征的提取，之后通过前馈神经网络的网络编码对文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将输入文本向量化，得到多个词向量，之后通过多头注意力机制对词向量进行筛选，得到筛选词向量，达到提取文本词向量的目的，最后基于筛选词向量和文本特征向量，利用预设的图片生成器生成输入文本对应的文本图片。通过输入文本的文本特征向量以及对输入文本进行筛选后得到的筛选词向量这两个方面的特征生成图片，使得生成的图片契合输入文本的语义，从而实现提升根据医疗文本生成图片的准确性的目的。
如图4所示，是本发明基于多头注意力的图片生成装置的模块示意图。
本发明所述基于多头注意力的图片生成装置100可以安装于电子设备中。根据实现的功能，所述基于多头注意力的图片生成装置可以包括文本分词模块101、特征提取模块102、词向量获取模块103和图片生成模块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：
所述文本分词模块101，用于获取输入文本，并对所述输入文本进行分词，得到分词文本；
特征提取模块102，用于利用预设的实体字典查询所述分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征；
词向量获取模块103，用于通过所述前馈神经网络的网络编码对所述文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将所述输入文本向量化，得到多个词向量，通过多头注意力机制对所述词向量进行筛选，得到筛选词向量
图片生成模块104，用于基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片。
详细地，本发明实施例中所述基于多头注意力的图片生成装置100中所述的各模块在使用时采用与上述图1至图3所述的基于多头注意力的图片生成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5所示，是本发明实现基于多头注意力的图片生成方法的电子设备的结构示意图。
所述电子设备为用户的客户端，包括但不限于移动电话、移动电脑、平板电脑、媒体播放器、智能电视、智能手表、智能眼镜、智能手环、个人数字助理等设备。
进一步，所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13，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，如基于多头注意力的图片生成程序。
其中，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(ControlUnit)，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(例如执行基于多头注意力的图片生成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
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的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，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的应用软件及各类数据，例如基于多头注意力的图片生成程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，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。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。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与其他电子设备之间建立通信连接。所述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中处理的信息以及用于显示可视化的用户界面。
图5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5示出的结构并不构成对所述电子设备的限定，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。
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。
所述电子设备中的所述存储器11存储的基于多头注意力的图片生成程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取输入文本，并对所述输入文本进行分词，得到分词文本；
利用预设的实体字典查询所述分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征；
通过所述前馈神经网络的网络编码对所述文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将所述输入文本向量化，得到多个词向量；
通过多头注意力机制对所述词向量进行筛选，得到筛选词向量；
基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/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，可以存储在一个非易失性计算机可读取存储介质中。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：
获取输入文本，并对所述输入文本进行分词，得到分词文本；
利用预设的实体字典查询所述分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征；
通过所述前馈神经网络的网络编码对所述文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将所述输入文本向量化，得到多个词向量；
通过多头注意力机制对所述词向量进行筛选，得到筛选词向量；
基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
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)

1.一种基于多头注意力的图片生成方法，其特征在于，所述方法包括：
获取输入文本，并对所述输入文本进行分词，得到分词文本；
利用预设的实体字典查询所述分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征；
通过所述前馈神经网络的网络编码对所述文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将所述输入文本向量化，得到多个词向量；
通过多头注意力机制对所述词向量进行筛选，得到筛选词向量；
基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片。
2.如权利要求1所述的基于多头注意力的图片生成方法，其特征在于，所述对所述输入文本进行分词，得到分词文本，包括：
根据预设的统计词典构建所述统计字典中词的前缀词典；
基于标点符号或者非中文字符将所述输入文本划分为多个输入文本子句；
查找所述输入文本子句中的各个字词是否存在于所述统计词典中；
对于存在于所述统计词典中的字词，通过所述前缀词典和所述输入文本子句构建有向无环图，并基于所述有向无环图对所述输入文本子句进行分词，得到所述分词文本；
对于不存在于所述统计词典中的字词，使用隐马尔可夫模型和维特比算法对所述输入文本子句进行隐状态查找，得到所述分词文本。
3.如权利要求1所述的基于多头注意力的图片生成方法，其特征在于，所述基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片，包括：
步骤A：根据所述筛选词向量和所述文本特征向量构建组合向量，并将所述组合向量转化为矩阵形式，得到组合矩阵；
步骤B：反卷积所述组合矩阵，得到反卷积矩阵，并对所述反卷积矩阵进行批归一化和通过第一激活函数进行激活，得到激活图片；
重复执行步骤A和步骤B，直到所述激活图片不再变化时，得到原始图片；
对所述原始图片进行反卷积，并通过第二激活函数进行激活，得到所述输入文本对应的文本图片。
4.如权利要求1所述的基于多头注意力的图片生成方法，其特征在于，所述通过多头注意力机制对所述词向量进行筛选，得到筛选词向量，包括：
将各个所述词向量复制为多份后分别乘以所述词向量的权重矩阵，得到多个加权矩阵；
通过预设的注意力计算公式计算注意力，得到标量值；
将各个所述加权矩阵分别乘以所述标量值后再拼接，得到筛选词向量。
5.如权利要求1所述的基于多头注意力的图片生成方法，其特征在于，所述利用预设的实体字典查询所述分词文本中的文本实体，包括：
获取所述分词文本的关键词，并根据所述关键词分析所述分词文本所属的技术领域；
根据所述分词文本所属的技术领域确定实体字典；
对所述分词文本进行单文本分割得到多个单文本；
将各个单文本分别与所述实体字典进行匹配，得到每个所述单文本对应的匹配结果，并根据所述匹配结果得到所述文本实体。
6.如权利要求4所述的基于多头注意力的图片生成方法，其特征在于，所述注意力计算公式：
其中，Q、K、V为所述词向量经过不同的线性变换后得到的三个代表不同信息的向量，dk表示向量K的维度，KT表示权重矩阵K的转置向量。
7.如权利要求2所述的基于多头注意力的图片生成方法，其特征在于，所述基于所述有向无环图对所述输入文本子句进行分词，得到所述分词文本，包括：
通过动态规划法从所述有向无环图中查找概率最大路径，并根据所述概率最大路径对所述输入文本子句进行分词，得到所述分词文本。
8.一种基于多头注意力的图片生成装置，其特征在于，所述装置包括：
文本分词模块，用于获取输入文本，并对所述输入文本进行分词，得到分词文本；
特征提取模块，用于利用预设的实体字典查询所述分词文本中的文本实体，并通过预设的前馈神经网络提取所述文本实体的特征，得到文本特征；
词向量获取模块，用于通过所述前馈神经网络的网络编码对所述文本特征进行编码，得到文本特征向量，并利用预设的序列编码模型将所述输入文本向量化，得到多个词向量，通过多头注意力机制对所述词向量进行筛选，得到筛选词向量；
图片生成模块，用于基于所述筛选词向量和所述文本特征向量，利用预设的图片生成器生成所述输入文本对应的文本图片。
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，所述计算机程序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中任一项所述的基于多头注意力的图片生成方法。
10.一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于多头注意力的图片生成方法。
CN202310568013.8A 2023-05-19 2023-05-19 基于多头注意力的图片生成方法、装置、设备及介质 Pending CN116522944A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310568013.8A CN116522944A (zh) 2023-05-19 2023-05-19 基于多头注意力的图片生成方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310568013.8A CN116522944A (zh) 2023-05-19 2023-05-19 基于多头注意力的图片生成方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN116522944A true CN116522944A (zh) 2023-08-01

Family

ID=87408223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310568013.8A Pending CN116522944A (zh) 2023-05-19 2023-05-19 基于多头注意力的图片生成方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116522944A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117056540A (zh) * 2023-10-10 2023-11-14 苏州元脑智能科技有限公司 基于文本生成多媒体对象的方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117056540A (zh) * 2023-10-10 2023-11-14 苏州元脑智能科技有限公司 基于文本生成多媒体对象的方法及装置
CN117056540B (zh) * 2023-10-10 2024-02-02 苏州元脑智能科技有限公司 基于文本生成多媒体对象的方法及装置

Similar Documents

Publication Publication Date Title
CN111414393B (zh) 一种基于医学知识图谱的语义相似病例检索方法及设备
CN112447300B (zh) 基于图神经网络的医疗查询方法、装置、计算机设备及存储介质
CN113378970B (zh) 语句相似性检测方法、装置、电子设备及存储介质
CN112885478B (zh) 医疗文献的检索方法、装置、电子设备及存储介质
CN113821622B (zh) 基于人工智能的答案检索方法、装置、电子设备及介质
CN115238670B (zh) 信息文本抽取方法、装置、设备及存储介质
CN113706322A (zh) 基于数据分析的服务分发方法、装置、设备及存储介质
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
CN116578704A (zh) 文本情感分类方法、装置、设备及计算机可读介质
CN116522944A (zh) 基于多头注意力的图片生成方法、装置、设备及介质
CN116821373A (zh) 基于图谱的prompt推荐方法、装置、设备及介质
CN112632264A (zh) 智能问答方法、装置、电子设备及存储介质
CN116662488A (zh) 业务文档检索方法、装置、设备及存储介质
CN116719920A (zh) 动态采样的对话生成模型训练方法、装置、设备及介质
CN116705304A (zh) 基于图像文本的多模态任务处理方法、装置、设备及介质
CN116450829A (zh) 医疗文本分类方法、装置、设备及介质
CN116702776A (zh) 基于跨中西医的多任务语义划分方法、装置、设备及介质
CN114708952B (zh) 一种图像标注方法、装置、存储介质和电子设备
CN116468025A (zh) 电子病历结构化方法、装置、电子设备及存储介质
CN114627993A (zh) 信息预测方法、装置、存储介质及计算机设备
CN114676307A (zh) 基于用户检索的排序模型训练方法、装置、设备及介质
CN112214556B (zh) 标签生成方法、装置、电子设备及计算机可读存储介质
CN116913553A (zh) 智能问诊中病患症状获取方法、装置、设备及存储介质
CN116663557A (zh) 文档图结构的信息提取方法、装置、设备及存储介质
CN116663544A (zh) 基于长度优化的文本分析方法、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