CN116663503A - 基于自注意力权重图的句子纠错方法、装置、设备及介质 - Google Patents
基于自注意力权重图的句子纠错方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116663503A CN116663503A CN202310695346.7A CN202310695346A CN116663503A CN 116663503 A CN116663503 A CN 116663503A CN 202310695346 A CN202310695346 A CN 202310695346A CN 116663503 A CN116663503 A CN 116663503A
- Authority
- CN
- China
- Prior art keywords
- sentence
- error correction
- attention
- attention weight
- loss function
- 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
Links
- 238000012937 correction Methods 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 69
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 56
- 230000006870 function Effects 0.000 claims description 116
- 238000012545 processing Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及数字医疗领域的人工智能,揭露一种基于自注意力权重图的句子纠错方法,包括:分别将医疗领域的源错误句子和目标正确句子输入至预训练双向编码模型得到第一注意力权重图和第二注意力权重图,计算第一注意力权重图和第二注意力权重图之间的对比度比较系数和结构相似度系数并构建注意力损失函数,对注意力损失函数和纠错损失函数进行求和,得到最终损失函数,利用最终损失函数对预训练双向编码模型进行模型训练,得到标准纠错模型,将医疗领域的待纠错句子输入至标准纠错模型中,得到正确纠错句子。本发明还提出一种基于自注意力权重图的句子纠错装置、电子设备以及存储介质。本发明可以提高用于数字医疗领域的句子纠错的准确度。
Description
技术领域
本发明涉及数字医疗领域的人工智能领域,尤其涉及一种基于自注意力权重图的句子纠错方法、装置、电子设备及存储介质。
背景技术
在数字医疗领域中,从不同渠道获取得到的医疗文本信息是处理医疗问题的数据基础,而不同的医疗文本信息可能是医护人员通过手写收集得到,也可能是根据自动语音识别医护人员的谈话。但是无论是在自动语音识别还是在手写文本识别的过程中都会出现文本语句错误的现象,为了保证医疗文本信息的准确性需要在医疗领域通过纠错方法纠正医疗文本信息中的错误。
现有的句子纠错方法通常是通过以词为基础的纠错模型对句子进行纠错处理,由于汉语字符集数据量大,且无词界和短词居多的特点,很多错误是无法通过以词为基础的纠错模型进行区分及纠错的,因此,亟待提出一种准确度更高的句子纠错方法。
发明内容
本发明提供一种基于自注意力权重图的句子纠错方法、装置、电子设备及存储介质,其主要目的在于提高数字医疗领域中句子纠错的准确度。
为实现上述目的,本发明提供的一种基于自注意力权重图的句子纠错方法,包括:
获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图;
计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数;
根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数;
利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型;
将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
可选地,所述分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图,包括:
利用预训练双向编码模型中的编码层对所述源错误句子和所述目标正确句子进行编码处理,得到错误编码数据和正确编码数据;
将所述错误编码数据和所述正确编码数据输入至所述预训练双向编码模型中的多头注意力模块中,分别得到所述错误编码数据对应的第一注意力权重图和所述正确编码数据对应的第二注意力权重矩阵图。
可选地,所述计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数,包括:
根据预设方差计算公式计算所述第一注意力权重图和所述第二注意力权重图的方差,并根据预设协方差计算公式计算所述第一注意力权重图和所述第二注意力权重图之间的协方差;
将所述方差和所述协方差输入至预设对比度比较系数公式中和预设结构相似度系数公式中,得到对比度比较系数和结构相似度系数。
可选地,所述预设对比度比较系数公式为:
其中,c(X,Y)为对比度比较系数,σx为所述第一注意力权重图中像素点的方差,σy为所述第二注意力权重图中像素点的方差,T2为常数,X表示第一注意力权重图,Y表示第二注意力权重图,x表示第一注意力权重图中的像素点,y表示第二注意力权重图中的像素点。
可选地,所述对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理之前,所述方法还包括:
利用所述预训练双向编码模型识别所述源错误句子对应的预测纠错字符;
识别所述源错误句子对应的句子长度,根据所述句子长度和所述预测纠错字符构建对应的纠错损失函数。
可选地,所述预训练双向编码模型对应的纠错损失函数为:
其中,Lc为纠错损失值,M为所述源错误句子对应的句子长度,i表示预测次数,Ci为所述源错误句子对应的在第i个预测次数下的预测纠错字符,W为所述源错误句子,P(Ci|)是指所述在第i个预测次数下的预测纠错字符在所述源错误句子中的比例概率。
可选地,所述利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型,包括:
判断所述最终损失函数对应的最终损失函数值是否大于或者等于预设参考阈值;
若所述最终损失函数值大于或者等于所述预设参考阈值,对所述预训练双向编码模型进行参数调整,并将源错误句子及所述源错误句子对应的目标正确句子输入至参数调整后的模型中进行纠错处理,得到调整纠错句子;
计算所述调整纠错句子对应的最终损失函数值,直到所述最终损失函数值小于所述参考阈值,将所述参数调整后的预训练双向编码模型作为标准纠错模型;
当所述最终损失函数值小于所述预设参考阈值,将所述预训练双向编码模型作为标准纠错模型。
为了解决上述问题,本发明还提供一种基于自注意力权重图的句子纠错装置,所述装置包括:
权重图生成模块,用于获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图;
系数计算模块,用于计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数;
模型训练模块,用于根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数,利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型;
句子纠错模块,用于将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
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上述所述的基于自注意力权重图的句子纠错方法。
为了解决上述问题,本发明还提供一种存储介质,所述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自注意力权重图的句子纠错方法。
本发明实施例中,首先生成医疗源错误句子,例如,医患沟通时出现文本字符错误的句子的第一注意力权重图,及目标正确句子,即所述医患沟通时纠正了文本字符错误后的正确语句文本的第二注意力权重图,再计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数,以对比度比较系数和结构相似度系数衡量源错误句子和目标正确句子之间的相似性和结构区别,使得后续训练的标准纠错模型可以在更高的语义层面学习句子的结构和逻辑,因此标准纠错模型的纠错能力更准确。将医疗领域中待纠错句子输入至标准纠错模型中,得到正确纠错句子。因此本发明提出的基于自注意力权重图的句子纠错方法、装置、电子设备及存储介质,可以解决提高数字医疗领域中句子纠错的准确度低的问题。
附图说明
图1为本发明一实施例提供的基于自注意力权重图的句子纠错方法的流程示意图;
图2为图1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自注意力权重图的句子纠错装置的功能模块图;
图4为本发明一实施例提供的实现所述基于自注意力权重图的句子纠错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自注意力权重图的句子纠错方法。所述基于自注意力权重图的句子纠错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,所述基于自注意力权重图的句子纠错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。所述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(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自注意力权重图的句子纠错方法的流程示意图。在本实施例中,所述基于自注意力权重图的句子纠错方法包括以下步骤S1-S5:
S1、获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图。
具体地,将医疗源错误句子以及其对应的医疗正确句子输入到预训练的双向编码模型中,经过所述双向编码模型中的编码层进行编码处理,得到错误编码数据和正确编码数据,以所述双向编码模型中的多头注意力模块对所述错误编码数据和所述正确编码数据进行权重图的构建,根据构建的过程生成权重图,得到第一注意力权重图和第二注意力权重图。其中,所述第一注意力权重图是医疗源错误句子对应的权重图,所述第二注意力权重图是医疗源正确句子对应的权重图。
本发明实施例中,所述源错误句子是指存在字符错误的语句文本,在数字医疗领域中可以是医患沟通时出现文本字符错误的句子,所述源错误句子对应的目标正确句子是指将字符错误纠正后的正确语句文本,即在数字医疗领域中为医患沟通时纠正了文本字符错误后的正确语句文本。将所述源错误句子和所述源错误句子对应的目标正确句子作为后续进行模型训练的数据基础。
具体地,所述分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图,包括:
利用预训练双向编码模型中的编码层对所述源错误句子和所述目标正确句子进行编码处理,得到错误编码数据和正确编码数据;
将所述错误编码数据和所述正确编码数据输入至所述预训练双向编码模型中的多头注意力模块中,分别得到所述错误编码数据对应的第一注意力权重图和所述正确编码数据对应的第二注意力权重矩阵图。
详细地,所述预训练双向编码模型(BERT,Bidirectional EncoderRepresentation from Transformers)是一个预训练的语言模型。将所述源错误句子和所述目标正确句子作为输入分别输入至所述预训练双向编码模型中,输出所述预训练双向编码模型中最后一层中多头注意力模块的每个头的注意力权重矩阵,分别得到所述源错误句子及所述目标正确句子的注意力权重矩阵,将所述错误编码数据对应的注意力权重矩阵作为第一注意力权重图,并将所述正确编码数据对应的注意力权重矩阵作为第二注意力权重图。
S2、计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数。
本发明实施例中,参照图2所示,所述计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数,包括:
S21、根据预设方差计算公式计算所述第一注意力权重图和所述第二注意力权重图的方差,并根据预设协方差计算公式计算所述第一注意力权重图和所述第二注意力权重图之间的协方差;
S22、将所述方差和所述协方差输入至预设对比度比较系数公式中和预设结构相似度系数公式中,得到对比度比较系数和结构相似度系数。
详细地,令所述第一注意力权重图为X,所述第二注意力权重图为Y,根据预设方差计算公式计算所述第一注意力权重图和所述第二注意力权重图的方差σx和σy,根据预设协方差计算公式计算所述第一注意力权重图和所述第二注意力权重图之间的协方差σxy。
优选地,预设协方差计算公式为σxy=E(X-μ)(Y-υ),其中,σxy为协方差,X为所述第一注意力权重图,Y为所述第二注意力权重图,μ表示所述第一注意力权重图的数学期望,υ为所述第二注意力权重图的数学期望。所述协方差用于衡量两个变量的总体误差。
具体地,所述预设对比度比较系数公式为:
其中,c(X,Y)为对比度比较系数,σx为所述第一注意力权重图中像素点的方差,σy为所述第二注意力权重图中像素点的方差,T2为常数,X表示第一注意力权重图,Y表示第二注意力权重图,x表示第一注意力权重图中的像素点,y表示第二注意力权重图中的像素点。
进一步地,所述预设结构相似度系数公式为:
其中,s(X,Y)为结构相似度系数,σx为所述第一注意力权重图的方差,σy为所述第二注意力权重图的方差,T3为常数。
S3、根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数。
本发明实施例中,所述根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,包括:
所述注意力损失函数为:
其中,Lp为注意力损失函数值,N为所述多头注意力模块的头数,c(X,Y)为对比度比较系数,s(X,Y)为结构相似度系数。
具体地,所述对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理之前,所述方法还包括:
利用所述预训练双向编码模型识别所述源错误句子对应的预测纠错字符;
识别所述源错误句子对应的句子长度,根据所述句子长度和所述预测纠错字符构建对应的纠错损失函数。
详细地,利用所述预训练双向编码模型识别所述源错误句子对应的预测纠错字符为Ci,识别所述源错误句子对应的句子长度为M。
进一步地,所述预训练双向编码模型对应的纠错损失函数为:
其中,Lc为纠错损失值,M为所述源错误句子对应的句子长度,i表示预测次数,Ci为所述源错误句子对应的在第i个预测次数下的预测纠错字符,W为所述源错误句子,P(Ci|W)是指所述在第i个预测次数下的预测纠错字符在所述源错误句子中的比例概率。
具体地,对所述注意力损失函数Lp和所述预训练双向编码模型Lc对应的纠错损失函数进行求和处理,得到最终损失函数L=Lc+Lp。
S4、利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型。
本发明实施例中,所述利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型,包括:
判断所述最终损失函数对应的最终损失函数值是否大于或者等于预设参考阈值;
若所述最终损失函数值大于或者等于所述预设参考阈值,对所述预训练双向编码模型进行参数调整,并将源错误句子及所述源错误句子对应的目标正确句子输入至参数调整后的模型中进行纠错处理,得到调整纠错句子;
计算所述调整纠错句子对应的最终损失函数值,直到所述最终损失函数值小于所述参考阈值,将所述参数调整后的预训练双向编码模型作为标准纠错模型;
当所述最终损失函数值小于所述预设参考阈值,将所述预训练双向编码模型作为标准纠错模型。
详细地,所述最终损失函数包含了从句法结构及语义关系的方面构建的注意力损失函数,以及以BERT模型为主体的纠错损失函数,可以更全面的对模型进行训练,得到准确度更高的标准纠错模型。
S5、将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
本发明实施例中,利用所述标准纠错模型对所述待纠错句子进行纠错处理,得到正确纠错句子。
优选地,本方案的模型结构以BERT模型作主体,保留了BERT强大的非自回归预测能力,使模型对句子中每个字符的局部上下文信息提取能力得到保障,为源错误句子和目标正确句子之间相似度计算时提供高质量的注意力权重分布值。采用注意力权重图计算相似度,并量化的表示句法结构和字词间的依存关系。从句子中每个字符对于其余字符的注意力权重分布出发,分别以字符前后的局部范围和整体句子结构的总体范围,来计算相似度并系数相乘,使得抽象的相似度能够被合理的表达。
本发明实施例中,首先生成医疗源错误句子,例如,医患沟通时出现文本字符错误的句子的第一注意力权重图,及目标正确句子,即所述医患沟通时纠正了文本字符错误后的正确语句文本的第二注意力权重图,再计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数,以对比度比较系数和结构相似度系数衡量源错误句子和目标正确句子之间的相似性和结构区别,使得后续训练的标准纠错模型可以在更高的语义层面学习句子的结构和逻辑,因此标准纠错模型的纠错能力更准确。将医疗领域待纠错句子输入至标准纠错模型中,得到正确纠错句子。因此本发明提出的基于自注意力权重图的句子纠错方法可以解决提高数字医疗领域中句子纠错的准确度低的问题。
如图3所示,是本发明一实施例提供的基于自注意力权重图的句子纠错装置的功能模块图。
本发明所述基于自注意力权重图的句子纠错装置100可以安装于电子设备中。根据实现的功能,所述基于自注意力权重图的句子纠错装置100可以包括权重图生成模块101、系数计算模块102、模型训练模块103及句子纠错模块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:
所述权重图生成模块101,用于获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图;
所述系数计算模块102,用于计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数;
所述模型训练模块103,用于根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数,利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型;
所述句子纠错模块104,用于将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
详细地,所述基于自注意力权重图的句子纠错装置100各模块的具体实施方式如下:
步骤一、获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图。
具体地,将医疗源错误句子以及其对应的医疗正确句子输入到预训练的双向编码模型中,经过所述双向编码模型中的编码层进行编码处理,得到错误编码数据和正确编码数据,以所述双向编码模型中的多头注意力模块对所述错误编码数据和所述正确编码数据进行权重图的构建,根据构建的过程生成权重图,得到第一注意力权重图和第二注意力权重图。其中,所述第一注意力权重图是医疗源错误句子对应的权重图,所述第二注意力权重图是医疗源正确句子对应的权重图。
本发明实施例中,所述源错误句子是指存在字符错误的语句文本,在数字医疗领域中可以是医患沟通时出现文本字符错误的句子,所述源错误句子对应的目标正确句子是指将字符错误纠正后的正确语句文本,即在数字医疗领域中为医患沟通时纠正了文本字符错误后的正确语句文本。将所述源错误句子和所述源错误句子对应的目标正确句子作为后续进行模型训练的数据基础。
具体地,所述分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图,包括:
利用预训练双向编码模型中的编码层对所述源错误句子和所述目标正确句子进行编码处理,得到错误编码数据和正确编码数据;
将所述错误编码数据和所述正确编码数据输入至所述预训练双向编码模型中的多头注意力模块中,分别得到所述错误编码数据对应的第一注意力权重图和所述正确编码数据对应的第二注意力权重矩阵图。
详细地,所述预训练双向编码模型(BERT,Bidirectional EncoderRepresentation from Transformers)是一个预训练的语言模型。将所述源错误句子和所述目标正确句子作为输入分别输入至所述预训练双向编码模型中,输出所述预训练双向编码模型中最后一层中多头注意力模块的每个头的注意力权重矩阵,分别得到所述源错误句子及所述目标正确句子的注意力权重矩阵,将所述错误编码数据对应的注意力权重矩阵作为第一注意力权重图,并将所述正确编码数据对应的注意力权重矩阵作为第二注意力权重图。
步骤二、计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数。
本发明实施例中,所述计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数,包括:
根据预设方差计算公式计算所述第一注意力权重图和所述第二注意力权重图的方差,并根据预设协方差计算公式计算所述第一注意力权重图和所述第二注意力权重图之间的协方差;
将所述方差和所述协方差输入至预设对比度比较系数公式中和预设结构相似度系数公式中,得到对比度比较系数和结构相似度系数。
详细地,令所述第一注意力权重图为X,所述第二注意力权重图为Y,根据预设方差计算公式计算所述第一注意力权重图和所述第二注意力权重图的方差σx和σy,根据预设协方差计算公式计算所述第一注意力权重图和所述第二注意力权重图之间的协方差σxy。
优选地,预设协方差计算公式为σxy=E(X-μ)(Y-υ),其中,σxy为协方差,X为所述第一注意力权重图,Y为所述第二注意力权重图,μ表示所述第一注意力权重图的数学期望,υ为所述第二注意力权重图的数学期望。所述协方差用于衡量两个变量的总体误差。
具体地,所述预设对比度比较系数公式为:
其中,c(X,Y)为对比度比较系数,σx为所述第一注意力权重图中像素点的方差,σy为所述第二注意力权重图中像素点的方差,T2为常数,X表示第一注意力权重图,Y表示第二注意力权重图,x表示第一注意力权重图中的像素点,y表示第二注意力权重图中的像素点。
进一步地,所述预设结构相似度系数公式为:
其中,s(X,Y)为结构相似度系数,σx为所述第一注意力权重图的方差,σy为所述第二注意力权重图的方差,T3为常数。
步骤三、根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数。
本发明实施例中,所述根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,包括:
所述注意力损失函数为:
其中,Lp为注意力损失函数值,N为所述多头注意力模块的头数,c(X,Y)为对比度比较系数,s(X,Y)为结构相似度系数。
具体地,所述对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理之前,所述方法还包括:
利用所述预训练双向编码模型识别所述源错误句子对应的预测纠错字符;
识别所述源错误句子对应的句子长度,根据所述句子长度和所述预测纠错字符构建对应的纠错损失函数。
详细地,利用所述预训练双向编码模型识别所述源错误句子对应的预测纠错字符为Ci,识别所述源错误句子对应的句子长度为M。
进一步地,所述预训练双向编码模型对应的纠错损失函数为:
其中,Lc为纠错损失值,M为所述源错误句子对应的句子长度,i表示预测次数,Ci为所述源错误句子对应的在第i个预测次数下的预测纠错字符,W为所述源错误句子,P(Ci|W)是指所述在第i个预测次数下的预测纠错字符在所述源错误句子中的比例概率。
具体地,对所述注意力损失函数Lp和所述预训练双向编码模型Lc对应的纠错损失函数进行求和处理,得到最终损失函数L=Lc+Lp。
步骤四、利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型。
本发明实施例中,所述利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型,包括:
判断所述最终损失函数对应的最终损失函数值是否大于或者等于预设参考阈值;
若所述最终损失函数值大于或者等于所述预设参考阈值,对所述预训练双向编码模型进行参数调整,并将源错误句子及所述源错误句子对应的目标正确句子输入至参数调整后的模型中进行纠错处理,得到调整纠错句子;
计算所述调整纠错句子对应的最终损失函数值,直到所述最终损失函数值小于所述参考阈值,将所述参数调整后的预训练双向编码模型作为标准纠错模型;
当所述最终损失函数值小于所述预设参考阈值,将所述预训练双向编码模型作为标准纠错模型。
详细地,所述最终损失函数包含了从句法结构及语义关系的方面构建的注意力损失函数,以及以BFRT模型为主体的纠错损失函数,可以更全面的对模型进行训练,得到准确度更高的标准纠错模型。
步骤五、将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
本发明实施例中,利用所述标准纠错模型对所述待纠错句子进行纠错处理,得到正确纠错句子。
优选地,本方案的模型结构以BERT模型作主体,保留了BERT强大的非自回归预测能力,使模型对句子中每个字符的局部上下文信息提取能力得到保障,为源错误句子和目标正确句子之间相似度计算时提供高质量的注意力权重分布值。采用注意力权重图计算相似度,并量化的表示句法结构和字词间的依存关系。从句子中每个字符对于其余字符的注意力权重分布出发,分别以字符前后的局部范围和整体句子结构的总体范围,来计算相似度并系数相乘,使得抽象的相似度能够被合理的表达。
本发明实施例中,首先生成医疗源错误句子,例如,医患沟通时出现文本字符错误的句子的第一注意力权重图,及目标正确句子,即所述医患沟通时纠正了文本字符错误后的正确语句文本的第二注意力权重图,再计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数,以对比度比较系数和结构相似度系数衡量源错误句子和目标正确句子之间的相似性和结构区别,使得后续训练的标准纠错模型可以在更高的语义层面学习句子的结构和逻辑,因此标准纠错模型的纠错能力更准确。将医疗领域中待纠错句子输入至标准纠错模型中,得到正确纠错句子。因此本发明提出的基于自注意力权重图的句子纠错装置可以解决提高数字医疗领域中句子纠错的准确度低的问题。
如图4所示,是本发明一实施例提供的实现基于自注意力权重图的句子纠错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、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,如基于自注意力权重图的句子纠错程序。
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(例如执行基于自注意力权重图的句子纠错程序等),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,例如基于自注意力权重图的句子纠错程序的代码等,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4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4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1中的所述存储器11存储的基于自注意力权重图的句子纠错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:
获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图;
计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数;
根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数;
利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型;
将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
具体地,所述处理器10对上述指令的具体实现方法可参考附图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,可以存储在一个存储介质中。所述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:
获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图;
计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数;
根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数;
利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型;
将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
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。第一、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)
1.一种基于自注意力权重图的句子纠错方法,其特征在于,所述方法包括:
获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图;
计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数;
根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数;
利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型;
将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
2.如权利要求1所述的基于自注意力权重图的句子纠错方法,其特征在于,所述分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图,包括:
利用预训练双向编码模型中的编码层对所述源错误句子和所述目标正确句子进行编码处理,得到错误编码数据和正确编码数据;
将所述错误编码数据和所述正确编码数据输入至所述预训练双向编码模型中的多头注意力模块中,分别得到所述错误编码数据对应的第一注意力权重图和所述正确编码数据对应的第二注意力权重矩阵图。
3.如权利要求1所述的基于自注意力权重图的句子纠错方法,其特征在于,所述计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数,包括:
根据预设方差计算公式计算所述第一注意力权重图和所述第二注意力权重图的方差,并根据预设协方差计算公式计算所述第一注意力权重图和所述第二注意力权重图之间的协方差;
将所述方差和所述协方差输入至预设对比度比较系数公式中和预设结构相似度系数公式中,得到对比度比较系数和结构相似度系数。
4.如权利要求3所述的基于自注意力权重图的句子纠错方法,其特征在于,所述预设对比度比较系数公式为:
其中,c(X,Y)为对比度比较系数,σx为所述第一注意力权重图中像素点的方差,σy为所述第二注意力权重图中像素点的方差,T2为常数,X表示第一注意力权重图,Y表示第二注意力权重图,x表示第一注意力权重图中的像素点,y表示第二注意力权重图中的像素点。
5.如权利要求1所述的基于自注意力权重图的句子纠错方法,其特征在于,所述对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理之前,所述方法还包括:
利用所述预训练双向编码模型识别所述源错误句子对应的预测纠错字符;
识别所述源错误句子对应的句子长度,根据所述句子长度和所述预测纠错字符构建对应的纠错损失函数。
6.如权利要求5所述的基于自注意力权重图的句子纠错方法,其特征在于,所述预训练双向编码模型对应的纠错损失函数为:
其中,Lc为纠错损失值,M为所述源错误句子对应的句子长度,i表示预测次数,Ci为所述源错误句子对应的在第i个预测次数下的预测纠错字符,W为所述源错误句子,P(Ci|W)是指所述第i个预测次数下的预测纠错字符在所述源错误句子中的比例概率。
7.如权利要求1所述的基于自注意力权重图的句子纠错方法,其特征在于,所述利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型,包括:
判断所述最终损失函数对应的最终损失函数值是否大于或者等于预设参考阈值;
若所述最终损失函数值大于或者等于所述预设参考阈值,对所述预训练双向编码模型进行参数调整,并将源错误句子及所述源错误句子对应的目标正确句子输入至参数调整后的模型中进行纠错处理,得到调整纠错句子;
计算所述调整纠错句子对应的最终损失函数值,直到所述最终损失函数值小于所述参考阈值,将所述参数调整后的预训练双向编码模型作为标准纠错模型;
当所述最终损失函数值小于所述预设参考阈值,将所述预训练双向编码模型作为标准纠错模型。
8.一种基于自注意力权重图的句子纠错装置,其特征在于,所述装置包括:
权重图生成模块,用于获取源错误句子及所述源错误句子对应的目标正确句子,分别将所述源错误句子和所述目标正确句子输入至预训练双向编码模型中进行权重图生成处理,得到第一注意力权重图和第二注意力权重图;
系数计算模块,用于计算所述第一注意力权重图和所述第二注意力权重图之间的对比度比较系数和结构相似度系数;
模型训练模块,用于根据所述对比度比较系数和所述结构相似度系数构建对应的注意力损失函数,并对所述注意力损失函数和所述预训练双向编码模型对应的纠错损失函数进行求和处理,得到最终损失函数,利用所述最终损失函数对所述预训练双向编码模型进行模型训练,得到标准纠错模型;
句子纠错模块,用于将待纠错句子输入至所述标准纠错模型中,得到正确纠错句子。
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中任意一项所述的基于自注意力权重图的句子纠错方法。
10.一种存储介质,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自注意力权重图的句子纠错方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310695346.7A CN116663503A (zh) | 2023-06-12 | 2023-06-12 | 基于自注意力权重图的句子纠错方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310695346.7A CN116663503A (zh) | 2023-06-12 | 2023-06-12 | 基于自注意力权重图的句子纠错方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116663503A true CN116663503A (zh) | 2023-08-29 |
Family
ID=87713550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310695346.7A Pending CN116663503A (zh) | 2023-06-12 | 2023-06-12 | 基于自注意力权重图的句子纠错方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116663503A (zh) |
-
2023
- 2023-06-12 CN CN202310695346.7A patent/CN116663503A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814962B (zh) | 识别模型的参数获取方法、装置、电子设备及存储介质 | |
CN114822812A (zh) | 角色对话模拟方法、装置、设备及存储介质 | |
CN112988963B (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
CN113378970B (zh) | 语句相似性检测方法、装置、电子设备及存储介质 | |
WO2023029511A1 (zh) | 在线医疗处方用药智能检查方法、装置、设备及存储介质 | |
CN113807973B (zh) | 文本纠错方法、装置、电子设备及计算机可读存储介质 | |
CN116681082A (zh) | 离散文本语义分段方法、装置、设备及存储介质 | |
CN116630457A (zh) | 图片生成模型的训练方法、装置、电子设备及存储介质 | |
CN113627160B (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
CN112269875B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN116468025A (zh) | 电子病历结构化方法、装置、电子设备及存储介质 | |
CN116401602A (zh) | 事件检测方法、装置、设备及计算机可读介质 | |
CN116383766A (zh) | 基于多模态数据的辅诊方法、装置、设备及存储介质 | |
CN116341646A (zh) | Bert模型的预训练方法、装置、电子设备及存储介质 | |
CN116663503A (zh) | 基于自注意力权重图的句子纠错方法、装置、设备及介质 | |
CN113887201A (zh) | 文本定长纠错方法、装置、设备及存储介质 | |
CN113806540A (zh) | 文本打标签方法、装置、电子设备及存储介质 | |
CN115146622B (zh) | 数据标注纠错方法、装置、电子设备及存储介质 | |
CN114462411B (zh) | 命名实体识别方法、装置、设备及存储介质 | |
CN116578690B (zh) | 一种基于人工智能的保险客服服务方法与系统 | |
CN114864032B (zh) | 基于his系统的临床数据采集方法及装置 | |
CN113706019B (zh) | 基于多维数据的业务能力分析方法、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 | |
CN115098688B (zh) | 多标签分类模型训练方法、装置、电子设备及存储介质 |
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 |