KR102648232B1

KR102648232B1 - 다중 모드 사전 훈련 모델 취득 방법, 장치, 전자 기기 및 기록 매체

Info

Publication number: KR102648232B1
Application number: KR1020210087885A
Authority: KR
Inventors: 페이 위; 지지 탕; 웨이총 인; 위 순; 하오 티엔; 화 우; 하이펑 왕
Original assignee: 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Priority date: 2020-07-14
Filing date: 2021-07-05
Publication date: 2024-03-14
Also published as: KR20220008768A; US20220019744A1; JP2022018095A; CN112001180A; EP3940580A1; US11928432B2

Abstract

본 발명은 다중 모드 사전 훈련 모델 취득 방법, 장치, 전자 기기 및 기록 매체를 개시하였는 바, 심층 학습 및 자연 언어 처리 분야에 관한 것이다. 당해 방법은, 훈련 데이터인 임의의 이미지-텍스트 쌍에 대해 텍스트 중의 처리될 세립도 시맨틱 단어를 결정하는 단계; 처리될 세립도 시맨틱 단어에 대해 마스크 조작을 실행하는 단계; 및 마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련하는 것을 포함한다. 본 발명의 상기 방안을 적용하면 모델 훈련 효과 및 모델 성능 등을 향상시킬 수 있다.

Description

다중 모드 사전 훈련 모델 취득 방법, 장치, 전자 기기 및 기록 매체 {MULTI-MODE PRE-TRAINING MODEL ACQUISITION METHOD, DEVICE, ELECTRONIC EQUIPMENT AND STORAGE MEDIUM}

본 발명은 컴퓨터 애플리케이션 기술에 관한 것인 바, 특히 심층 학습(deep learning) 및 자연 언어 처리 분야의 다중 모드 사전 훈련 모델 취득 방법, 장치, 전자 기기 및 기록 매체에 관한 것이다.

최근에는 대규모 데이터를 이용하여 일반 시맨틱 표현(general semantic representation)을 사전 훈련(pre-train)하여 학습하고, 다양한 하향 태스크를 이용하여 미세 조정(fine-tune)을 실행하는 학습 패러다임이 자연 언어 처리(NLP, Natural Language Processing)분야에서 광범위하게 사용되고 있다.

많은 진실한 시나리오는 동시에 복수의 모드의 정보에 관련되며, 예를 들면 이미지-텍스트의 사전 훈련 모델 등이 점차 주목받고 있다. 현재의 다중 모드 사전 훈련 모델은 일반적으로 정렬한 이미지-텍스트 쌍(aligned image-text pairs)(코퍼스)을 이용하여 훈련을 실행할 뿐, 텍스트 중의 일반 단어(ordinary word) 및 세립도 시맨틱 단어(fine-grained semantic word)를 구분하지 않으므로, 모델의 훈련 효과가 좋지 않다.

본 발명은 다중 모드 사전 훈련 모델 취득 방법, 장치, 전자 기기 및 기록 매체를 제공한다.

당해 다중 모드 사전 훈련 모델 취득 방법은,

훈련 데이터인 임의의 이미지-텍스트 쌍에 대해 상기 텍스트 중의 처리될 세립도 시맨틱 단어를 결정하는 단계;

상기 처리될 세립도 시맨틱 단어에 대해 마스크 조작을 실행하는 단계; 및

마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련하는 것을 포함한다.

당해 다중 모드 사전 훈련 모델 취득 장치는 데이터 처리 모듈 및 모델 훈련 모듈을 구비하며;

상기 데이터 처리 모듈은, 훈련 데이터인 임의의 이미지-텍스트 쌍에 대해 상기 텍스트 중의 처리될 세립도 시맨틱 단어를 결정하고, 상기 처리될 세립도 시맨틱 단어에 대해 마스크 조작을 실행하며;

상기 모델 훈련 모듈은, 마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련한다.

전자 기기에 있어서,

적어도 하나의 프로세서; 및

상기 적어도 하나의 프로세서와 통신 연결된 메모리를 구비하며,

상기 메모리에는 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령이 기록되어 있으며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 수행되어 상기 적어도 하나의 프로세서로 하여금 상기의 방법을 실행하도록 한다.

컴퓨터 명령이 기록되어 있는 비 일시적 컴퓨터 판독 가능 기록 매체에 있어서,

상기 컴퓨터 명령은 상기 컴퓨터로 하여금 상기의 방법을 실행하도록 한다.

본 발명의 일 실시예는 아래의 이점 또는 유익한 효과를 가진다. 즉, 모델이 세립도 시맨틱 단어를 학습할 수 있으며, 세립도 시맨틱 단어가 모드 간의 정렬에 지극히 중요하므로, 모델 훈련 효과 및 모델 성능 등을 향상시킬 수 있다.

여기에 설명된 내용은 본 발명의 실시예의 키 포인트 또는 중요한 특징을 나타냄을 의도하지 않으며, 본 발명의 범위를 한정하려는 것도 아님을 이해해야 한다. 본 발명의 기타 특징은 아래의 명세서를 통해 이해가 용이해질 것이다.

도면은 본 방안을 더 잘 이해하도록 하기 위한 것이며, 본 발명에 대한 한정을 이루지 않는다.
도 1은 본 발명은 상기 다중 모드 사전 훈련 모델 취득 방법의 실시예의 플로우 차트이다.
도 2는 본 발명은 상기 시나리오 맵 중에 포함된 세 가지 노드의 모식도이다.
도 3은 본 발명은 상기 시나리오 맵 중에서 추출한 노드의 모식도이다.
도 4는 본 발명은 상기 텍스트에 대해 마스크 조작을 실행한 후의 모식도이다.
도 5는 본 발명은 상기 다중 모드 사전 훈련 모델의 취득 과정 모식도이다.
도 6은 본 발명은 상기 다중 모드 사전 훈련 모델 취득 장치(60)의 실시예의 구성의 구조 모식도이다.
도 7은 본 발명에 따른 실시예 다중 모드 사전 훈련 모델 취득 방법의 전자 기기의 블럭도이다.

이하, 도면을 참조하여 본 발명의 시범적인 실시예를 설명하는 바, 본 발명에 대한 이해를 돕기 위해 여기에는 본 발명 실시예의 다양한 세부 사항이 포함되며, 이러한 세부 사항을 단지 시범적인 것으로 간주해야 할 것이다. 따라서, 당업자는 본 발명의 범위 및 정신을 벗어나지 않는 전제 하에서, 여기서 설명되는 실시예에 대해 다양한 변경 및 수정을 수행할 수 있음을 인식해야 한다. 마찬가지로, 명확성 및 간결성을 위하여 이하의 설명에서는 잘 알려진 기능 및 구조의 설명을 생략하였다.

또한, 본 명세서 중의 “및/또는”의 용어는 단지 연관 대상의 관련 관계를 설명하기 위한 것으로, 세 가지 관계가 존재할 수 있음을 나타내는 바, 예를 들면 A 및/또는 B는 A가 단독으로 존재하는 것, A와 B가 동시에 존재하는 것, 및 B가 단독으로 존재하는 것과 같은 세 가지 경우가 있음을 이해해야 한다. 또한, 본 명세서 중의 문자인 “/”는 일반적으로 전후 관련 대상이 “또는”의 관계임을 나타낸다.

도 1은 본 발명은 상기 다중 모드 사전 훈련 모델 취득 방법의 실시예의 플로우 차트이다. 도 1에 나타낸 바와 같이, 이하의 구체적인 실현 방식을 포함한다.

101에 있어서, 훈련 데이터인 임의의 이미지-텍스트 쌍(image-text pairs)에 대해 텍스트 중의 처리될 세립도 시맨틱 단어(fine-grained semantic word)를 결정한다.

처리될 세립도 시맨틱 단어의 개수는 일반적으로 복수 개이다.

102에 있어서, 처리될 세립도 시맨틱 단어에 대해 마스크(mask) 조작을 실행한다.

마스크 조작을 통해 텍스트 중의 처리될 세립도 시맨틱 단어를 특수 문자(special characters) 또는 기타 랜덤의 토큰(token) 등으로 교체할 수 있으며, 그 구체적인 방식에 대해 한정하지 않는다.

103에 있어서, 마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련한다.

상기 처리를 실행한 후의 훈련 데이터를 이용하여 다중 모드 사전 훈련 모델에 대해 훈련을 실행할 수 있다.

종래의 다중 모드 사전 훈련 모델은 훈련할 때 텍스트 중의 일반 단어 및 세립도 시맨틱 단어를 구분하지 않는 바, 일반적으로 일부 단어를 랜덤으로 선택하여 마스크 조작을 실행하며, 선택된 단어는 별로 의미가 없는 일반 단어일 가능성이 크며, 따라서 모델 훈련 효과 등이 저하된다.

세립도 시맨틱 단어는 서로 다른 시나리오 등을 구분하는 키 포인트 정보이며, 비교적 중요한 단어이다. 세립도 시맨틱 단어는 엔티티 단어(entity word), 속성 단어(attribute word) 및 관계 단어(relationship word) 등을 포함할 수 있으며, 이러한 세립도 시맨틱 단어는 모드 간의 정렬에 있어서 지극히 중요하다.

상기 실시예에 있어서, 모델이 세립도 시맨틱 단어를 학습할 수 있으며, 모델의 훈련 효과 및 모델 성능 등을 향상시킬 수 있다.

101에 기재된 바와 같이, 상기 훈련 데이터인 임의의 이미지-텍스트 쌍에 대해 우선 텍스트 중의 처리될 세립도 시맨틱 단어를 결정할 수 있다. 처리될 세립도 시맨틱 단어는 엔티티 단어, 속성 단어 및 관계 단어를 포함할 수 있으며, 여기서, 속성은 엔티티의 속성을 나타내고, 관계는 엔티티와 엔티티 사이의 관계를 나타낸다.

예를 들면, 이미지-텍스트 쌍 중의 텍스트가 “파란 드레스를 입은 한 여자가 그녀의 작은 흰 고양이를 그녀 집 앞의 갈색 차 위에 올려놓고 있다 (A woman in a blue dress is putting her little white cat on top of a brown car in front of her house)”, 여기서의 엔티티 단어는 “여자(woman)”, “고양이(cat)”, “드레스(dress)”, “차(car)”, “집(house)” 등을 포함할 수 있고, 속성 단어는 “파란(blue)”, “흰(white)”, “작은(little)”, “갈색(brown)” 등을 포함할 수 있으며, 관계 단어는 “입은(in)”, “놓고(putting)”, “위에(on top of)”, “앞(in front of)” 등을 포함할 수 있다.

텍스트에 대응하는 시나리오 맵을 취득하고, 취득한 시나리오 맵에 기반하여 처리될 세립도 시맨틱 단어를 결정할 수 있다. 여기서, 종래의 시나리오 맵 추출 (Scene Graph Parser) 기술을 채용하여 텍스트 중에서 시나리오 맵을 추출할 수 있다.

시나리오 맵은 엔티티 노드(O), 속성 2-튜플(E) 및 관계 3-튜플(K)을 포함할 수 있으며, 임의의 속성 2-튜플은 각각 하나의 엔티티 노드(entity node) 및 하나의 속성 노드(attribute node)로 구성되고, 임의의 관계 3-튜플은 각각 2개의 엔티티 노드 및 하나의 관계 노드(relationship node)로 구성된다. 엔티티 노드는 텍스트 중의 엔티티 단어에 대응할 수 있고, 속성 노드는 텍스트 중의 속성 단어에 대응할 수 있으며, 관계 노드는 텍스트 중의 관계 단어에 대응할 수 있다. 예를 들면 “A woman in a blue dress is putting her little white cat on top of a brown car in front of her house” 이러한 텍스트의 경우, 대응하는 시나리오 맵 중의 엔티티 노드는 “woman”, “cat”, “dress”, “car”, “house” 등을 포함할 수 있고, 속성 2-튜플은 “blue dress”, “white cat”, “little cat”, “brown car” 등을 포함할 수 있으며, 관계 3-튜플은 “woman in dress”, “woman putting cat”, “cat on-top-of car”, “car in-front-of house” 등을 포함할 수 있다.

도 2는 본 발명의 상기 시나리오 맵 중에 포함된 세 가지 노드의 모식도이며, 도 2에 나타낸 바와 같이, 대응하는 텍스트가 “A woman in a blue dress is putting her little white cat on top of a brown car in front of her house”이다.

취득한 시나리오 맵에 기반하여 처리될 세립도 시맨틱 단어를 결정할 경우, 시나리오 맵 중에서 소정의 수량의 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 추출하고, 추출한 엔티티 노드에 대응하는 텍스트 중의 엔티티 단어, 추출한 속성 2-튜플 중의 속성 노드에 대응하는 텍스트 중의 속성 단어 및 추출한 관계 3-튜플 중의 관계 노드에 대응하는 텍스트 중의 관계 단어를 처리될 세립도 시맨틱 단어로 설정할 수 있다.

여기서, 시나리오 맵 중에 포함된 노드 총수에 기반하여 추출하려는 노드 수량을 결정하여 상기 소정의 수량으로 설정하며, 시나리오 맵 중에서 소정의 수량의 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 랜덤으로 추출할 수 있다. 예를 들면, 시나리오 맵 중에 포함된 노드 총수와 30%의 곱(product)을 계산하고, 계산 결과를 반내림 또는 반올림한 후 추출하려는 노드 수량 즉 소정의 수량으로 설정할 수 있다.

상기와 같이, 추출한 엔티티 노드에 대응하는 텍스트 중의 엔티티 단어, 추출한 속성 2-튜플 중의 속성 노드에 대응하는 텍스트 중의 속성 단어 및 추출한 관계 3-튜플 중의 관계 노드에 대응하는 텍스트 중의 관계 단어를 처리될 세립도 시맨틱 단어로 설정할 수 있다. 도 3은 본 발명은 상기 시나리오 맵 중에서 추출한 노드의 모식도인 바, 도 3에 나타낸 바와 같이, 추출한 노드가 “blue”, “house” 및 “on top of”를 포함하고, 각각 속성 노드, 엔티티 노드 및 관계 노드이다.

이로부터 알 수 있듯이, 시나리오 맵을 이용하여 처리될 세립도 시맨틱 단어를 편리하고 정확하게 취득할 수 있으며, 시나리오 맵 중의 구조화된 지식을 다중 모드 사전 훈련 모델의 훈련에 융합시킴으로써, 모델 훈련 효과 및 모델 성능 등을 더 한층 향상시킬 수 있다.

102에 기재된 바와 같이, 또한 텍스트 중의 처리될 세립도 시맨틱 단어에 대해 마스크 조작을 실행할 수 있으며, 마스크 조작은 종래 기술을 채용할 수 있다. 마스크 조작을 통해 텍스트 중의 처리될 세립도 시맨틱 단어를 [MASK]와 같은 특수 문자 또는 기타 랜덤의 토큰(token) 등으로 교체할 수 있다. 도 4는 본 발명은 상기 텍스트에 대해 마스크 조작을 실행한 후의 모식도인 바, 도 4에 나타낸 바와 같이, 텍스트 중의 처리될 세립도 시맨틱 단어인 “blue”, “house” 및 “on top of” 에 대해 각각 마스크 조작을 실행할 수 있다.

또한, 103에 기재된 바와 같이, 또한 마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련할 수 있다. 마스크 조작을 실행한 단어의 유형에 따라, 다중 모드 사전 훈련 모델의 훈련 태스크는 엔티티 예측(entity prediction), 속성 예측(attribute prediction) 및 관계 예측(relationship prediction)을 포함할 수 있다.

다중 모드 사전 훈련 모델은 텍스트의 문맥 및 대응하는 이미지 콘텐츠에 기반하여 텍스트 중의 마스크 조작을 실행한 단어를 예측할 수 있는 바, 즉 마스크 된 단어를 복원할 수 있다. 또한 예측한 단어와 실제 값 (즉 텍스트 중의 원래의 단어)을 비교하여, 비교 결과에 기반하여 모델 매개 변수를 갱신할 수 있다.

본 발명에 있어서, 다중 모드 사전 훈련 모델에 대해 훈련을 실행할 때, 상기의 엔티티 예측, 속성 예측, 관계 예측 등의 훈련 태스크에 한정되지 않으며, 일반적으로 기타 훈련 태스크를 더 포함하는 바, 예를 들면 종래의 마스크 된 이미지 세그먼트 예측(Masked Region Prediction) 태스크 등을 더 포함할 수 있으며, 또한 이미지-텍스트 매칭(Image-Text Matching)태스크를 도입하여 다중 모드 표현에 대해 모델 구축을 실행할 수 있음을 설명할 필요가 있다.

상기와 같이, 도 5는 본 발명은 상기 다중 모드 사전 훈련 모델의 취득 과정 모식도이다. 도 5에 나타낸 바와 같이, 이미지-텍스트 쌍 중의 텍스트가 “A woman in a blue dress is putting her little white cat on top of a brown car in front of her house”이라고 가정하며, 대응하는 이미지는 도 5의 왼쪽 하단 모서리에 나타낸 바와 같이, 텍스트인 “A woman in a blue dress is putting her little white cat on top of a brown car in front of her house”에 대해 시나리오 맵을 추출할 수 있으며, 시나리오 맵 중에서 “blue”, “house” 및 “on top of” 이 3개의 노드를 랜덤으로 추출할 수 있고, 이에 따라 텍스트 중의 처리될 세립도 시맨틱 단어인 “blue”, “house” 및 “on top of”에 대해 마스크 조작을 실행할 수 있으며, 도 4에 나타낸 바와 같이, 엔티티 예측, 속성 예측 및 관계 예측 등을 훈련 태스크로 설정하여, 다중 모드 사전 훈련 모델에 대해 훈련을 실행할 수 있다.

다중 모드 사전 훈련 모델에 대한 훈련이 완료된 후, 임의의 하향 태스크에 대하여, 당해 하향 태스크에 대응하는 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델에 대해 미세 조정을 실행할 수 있다.

시각 문답(visual question answering)을 하향 태스크로 하는 예를 들면, 시각 문답이란 이미지 및 하나의 문제를 제공하여, 모델로 하여금 답안을 출력하도록 하는 것을 의미한다. 다중 모드 사전 훈련 모델의 초기화를 통해, 하향 태스크의 특성에 대해 계속하여 학습을 실행하여, 하향 태스크에 대응하는 훈련 데이터를 이용하여 미세 조정을 실행할 수 있다.

하향 태스크의 데이터 량은 일반적으로 적으며, 다중 모드 사전 훈련 모델이 학습한 시맨틱 정보에 기반하여 각 하향 태스크의 효과 등을 현저히 향상시킬 수 있다.

전술한 방법의 실시예의 경우, 설명의 간소화를 위하여 일련의 동작 조합으로 표현하였지만, 당업자는 본 발명이 설명된 동작의 순서에 한정되지 않음을 알 수 있는 바, 이는 본 발명에 따르면 일부 단계는 기타 순서로 실행되거나 또는 동시에 실행될 수 있기 때문임을 설명할 필요가 있다. 그리고, 당업자는 또한 명세서 중에 설명된 실시예는 모두 바람직한 실시예에 해당하며, 언급된 동작 및 모듈은 본 발명에 있어서 반드시 필요한 것이 아님을 알아야 한다.

이상은 방법의 실시예에 관한 설명이며, 이하 장치의 실시예를 통해 본 발명의 상기 방안에 대해 더 설명하기로 한다.

도 6은 본 발명은 상기 다중 모드 사전 훈련 모델 취득 장치(60)의 실시예의 구성의 구조 모식도이다. 도 6에 나타낸 바와 같이, 데이터 처리 모듈(601) 및 모델 훈련 모듈(602)을 구비한다.

데이터 처리 모듈(601)은, 훈련 데이터인 임의의 이미지-텍스트 쌍에 대해 텍스트 중의 처리될 세립도 시맨틱 단어를 결정하고, 처리될 세립도 시맨틱 단어에 대해 마스크 조작을 실행한다.

모델 훈련 모듈(602)은, 마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련하는 것을 포함한다.

처리될 세립도 시맨틱 단어의 개수는 일반적으로 복수 개이다, 여기서는 엔티티 단어, 속성 단어 및 관계 단어를 포함할 수 있으며, 속성은 엔티티의 속성을 나타내고, 관계는 엔티티와 엔티티 사이의 관계를 나타낸다.

데이터 처리 모듈(601)은 텍스트에 대응하는 시나리오 맵을 취득하고, 상기 시나리오 맵에 기반하여 처리될 세립도 시맨틱 단어를 결정할 수 있다.

여기서, 시나리오 맵은 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 포함할 수 있으며, 임의의 속성 2-튜플은 각각 하나의 엔티티 노드 및 하나의 속성 노드로 구성되고, 임의의 관계 3-튜플은 각각 2개의 엔티티 노드 및 하나의 관계 노드로 구성된다.

데이터 처리 모듈(601)은, 시나리오 맵 중에서 소정의 수량의 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 추출하고, 추출한 엔티티 노드에 대응하는 텍스트 중의 엔티티 단어, 추출한 속성 2-튜플 중의 속성 노드에 대응하는 텍스트 중의 속성 단어 및 추출한 관계 3-튜플 중의 관계 노드에 대응하는 텍스트 중의 관계 단어를 처리될 세립도 시맨틱 단어로 설정할 수 있다.

여기서, 데이터 처리 모듈(601)은, 시나리오 맵 중에 포함된 노드 총수에 기반하여 추출하려는 노드 수량을 결정하여 소정의 수량으로 설정할 수 있으며, 시나리오 맵 중에서 랜덤으로 소정의 수량의 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 추출할 수 있다. 예를 들면, 시나리오 맵 중에 포함된 노드 총수와 30%의 적을 계산하고, 계산 결과를 반내림 또는 반올림한 후 추출하려는 노드 수량 즉 소정의 수량으로 설정할 수 있다.

데이터 처리 모듈(601)은 또한 텍스트 중의 처리될 세립도 시맨틱 단어에 대해 마스크 조작을 실행하며, 마스크 조작을 통해 처리될 세립도 시맨틱 단어를 특수 문자 또는 기타 랜덤의 토큰(token) 등으로 교체할 수 있다.

모델 훈련 모듈(602)은, 마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련한다. 마스크 조작을 실행한 단어의 유형에 따라, 다중 모드 사전 훈련 모델의 훈련 태스크는 엔티티 예측, 속성 예측 및 관계 예측을 포함할 수 있다. 여기서, 다중 모드 사전 훈련 모델은 텍스트의 문맥 및 대응하는 이미지 콘텐츠에 기반하여 텍스트 중의 마스크 조작을 실행한 단어를 실행 예측할 수 있는 바, 즉 마스크 된 단어를 복원할 수 있다. 예측한 단어와 실제 값을 비교하고, 비교 결과에 기반하여 모델 매개 변수를 갱신할 수 있다.

모델 훈련 모듈(602)은 또한 임의의 하향 태스크에 대하여, 당해 하향 태스크에 대응하는 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 미세 조정할 수 있다.

도 6에 나타낸 장치의 실시예의 구체적인 작업 흐름은 전술한 방법의 실시예의 관련 설명을 참조할 수 있는 바, 더 이상 반복적으로 설명하지 않는다.

결론적으로, 본 발명의 장치의 실시예의 상기 방안을 채용하면, 모델이 세립도 시맨틱 단어를 학습할 수 있으며, 시나리오 맵 중의 구조화된 지식을 다중 모드 사전 훈련 모델의 훈련에 융합시킴으로써, 모델 훈련 효과 및 모델 성능 등을 향상시킬 수 있다.

본 발명의 실시예에 따르면, 본 발명은 전자 기기 및 판독 가능 기록 매체를 더 제공한다.

도 7은 본 발명에 따른 실시예의 다중 모드 사전 훈련 모델 취득 방법을 실현하는 전자 기기의 블럭도이다. 전자 기기는 예를 들면 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크 스테이션, 개인 디지털 보조기, 서버, 블레이드 서버, 대형 컴퓨터 및 기타 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 나타낸다. 전자 기기는 또한 예를 들면 개인 디지털 처리기, 셀폰, 스마트 전화, 웨어러블 기기 및 기타 유사한 계산 장치와 같은 다양한 형태의 모바일 장치를 나타낼 수 있다. 본 명세서에 나타낸 구성 요소, 이들의 연결과 관계 및 이들의 기능은 단지 예일 뿐이며, 본 명세서에서 설명하거나 및/또는 요구하는 본 발명의 실현을 한정하려는 것이 아니다.

도 7에 나타낸 바와 같이, 당해 전자 기기는 하나 또는 복수의 프로세서(Y01), 메모리(Y02) 및 각 구성 요소를 연결하기 위한 인터페이스를 구비하며, 당해 인터페이스는 고속 인터페이스 및 저속 인터페이스를 포함한다. 각 구성 요소는 서로 다른 버스를 통해 상호 연결되며, 공통 마더 보드에 설치되거나 또는 수요에 따라 기타 방식으로 설치된다. 프로세서 전자 기기 내에서 수행되는 명령에 대해 처리를 실행할 수 있으며, 메모리 내에 기억되어 외부 입력/출력 장치 (예를 들면 인터페이스에 연결된 디스플레이 기기) 상에 GUI의 그래픽 정보를 표시하기 위한 명령을 포함한다. 기타 실시 방식에 있어서, 필요할 경우, 복수의 프로세서 및/또는 복수의 버스와 복수의 메모리를 함께 사용할 수 있다. 마찬가지로, 복수의 전자 기기를 연결할 수 있으며, 각 기기는 부분적인 필요한 조작 (예를 들면, 서버 어레이, 일 그룹의 블레이드 서버, 또는 다중 프로세서 시스템)을 제공한다. 도 7에서는 하나의 프로세서(Y01)의 예를 들었다.

메모리(Y02)는 본 발명에 의해 제공되는 비 일시적 컴퓨터 판독 가능 기억 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 수행 가능한 명령이 기억되어 있으며, 상기 적어도 하나의 프로세서로 하여금 본 발명에 의해 제공되는 다중 모드 사전 훈련 모델 취득 방법을 수행하도록 한다. 본 발명의 비 일시적 컴퓨터 판독 가능 기억 매체는 컴퓨터 명령을 기억하며, 당해 컴퓨터 명령은 컴퓨터로 하여금 본 발명에 의해 제공되는 다중 모드 사전 훈련 모델 취득 방법을 수행하도록 한다.

메모리(Y02)는 일종의 비 일시적 컴퓨터 판독 가능 기억 매체로서, 비 일시적 소프트웨어 프로그램을 기억하는데 사용될 수 있는 바, 예를 들면 비 일시적 컴퓨터 수행 가능 프로그램 및 모듈, 본 발명 실시예 중의 다중 모드 사전 훈련 모델 취득 방법 대응하는 프로그램 명령/모듈을 기억하는데 사용될 수 있다. 프로세서(Y01)는 메모리(Y02) 내에 기억된 비 일시적 소프트웨어 프로그램, 명령 및 모듈을 운행함으로써, 서버의 다양한 기능 응용 및 데이터 처리를 수행하는 바, 즉 상술한 방법 실시예 중의 다중 모드 사전 훈련 모델 취득 방법을 실현한다.

메모리(Y02)는 프로그램 기억 영역 및 데이터 기억 영역을 포함할 수 있으며, 여기서, 프로그램 기억 영역은 운영 체제 및 적어도 하나의 기능에 필요한 응용 프로그램을 기억할 수 있고, 데이터 기억 영역은 다중 모드 사전 훈련 모델 취득 방법을 실현하는 전자 기기의 사용을 통해 생성된 데이터 등을 기억할 수 있다. 또한, 메모리(Y02)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 비 일시적 메모리를 더 포함할 수 있는 바, 예를 들면 적어도 하나의 자기 디스크 저장 장치, 플래시 장치, 또는 기타 비 일시적 고체 저장 장치를 포함할 수 있다. 일부 실시예에 있어서, 메모리(Y02)는 선택적으로 프로세서(Y01)에 대해 원격 설치한 메모리를 포함할 수 있으며, 이러한 원격 메모리는 네트워크를 통해 다중 모드 사전 훈련 모델 취득 방법을 실현하는 전자 기기에 연결될 수 있다. 상술한 네트워크의 실예는 인터넷, 기업 인트라 넷, 근거리 통신망, 이동 통신 네트워크 및 이들의 조합을 포함하나 이에 한정되지 않는다.

다중 모드 사전 훈련 모델 취득 방법을 실현하는 전자 기기는 입력 장치(Y03) 및 출력 장치(Y04)를 더 포함할 수 있다. 프로세서(Y01), 메모리(Y02), 입력 장치(Y03) 및 출력 장치(Y04)는 버스 또는 기타 방식을 통해 연결될 수 있으며, 도 7에서는 버스를 통해 연결하는 예를 들었다.

입력 장치(Y03)는 입력된 디지털 또는 문자 정보를 수신하고, 또한 다중 모드 사전 훈련 모델 취득 방법을 실현하는 전자 기기의 사용자 설정 및 기능 제어에 관한 키 신호 입력을 생성할 수 있다. 예를 들면 터치 스크린, 키패드, 마우스, 트랙 패드, 터치 패드, 포인팅 스틱, 하나 또는 복수의 마우스 버튼, 트랙볼, 조이스틱 등 입력 장치를 포함할 수 있다. 출력 장치(Y04)는 디스플레이 기기, 보조 조명 장치(예를 들면 LED) 및 촉각 피드백 장치(예를 들면 진동 모터) 등을 포함할 수 있다. 당해 디스플레이 기기는 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이 및 등 플라즈마 디스플레이를 포함할 수 있으나 이에 한정되지 않는다. 일부 실시 방식에 있어서, 디스플레이 기기는 터치 스크린일 수 있다.

여기서 설명하는 시스템 및 기술의 다양한 실시 방식은 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합에서 실현될 수 있다. 이러한 다양한 실시 예는 하나 또는 복수의 컴퓨터 프로그램에서 실시되고, 당해 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템 상에서 수행 및/또는 해석될 수 있으며, 당해 프로그램 가능 프로세서는 전용 또는 일반 프로그램 가능 프로세서일 수 있고, 기억 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 또한 데이터 및 명령을 당해 기억 시스템, 당해 적어도 하나의 입력 장치 및 당해 적어도 하나의 출력 장치에 전송할 수 있다.

이러한 계산 프로그램 (프로그램, 소프트웨어, 소프트웨어 응용 또는 코드로도 불림)은 프로그램 가능 프로세서의 기계 명령을 포함하며, 또한 고급 과정 및/또는 객체 지향 프로그래밍 언어 및/또는 어셈블리/기계 언어를 이용하여 이러한 계산 프로그램을 실시할 수 있다. 본 명세서에서 사용되는 “기계 판독 가능 매체” 및 “컴퓨터 판독 가능 매체”와 같은 용어는, 기계 명령 및/또는 데이터를 프로그램 가능 프로세서의 임의의 컴퓨터 프로그램 제품, 기기 및/또는 장치 (예를 들면, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 논리 장치(PLD))에 제공하기 위한 것을 의미하며, 기계 판독 가능 신호로서의 기계 명령을 수신하는 기계 판독 가능 매체를 포함한다. “기계 판독 가능 신호”와 같은 용어는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.

유저와의 대화를 제공하기 위하여, 컴퓨터 상에서 여기서 설명하는 시스템 및 기술을 실시할 수 있으며, 당해 컴퓨터는 유저에게 정보를 표시하기 위한 디스플레이 장치 (예를 들면 CRT(음극선관) 또는 LCD(액정 디스플레이) 모니터) 및 키보드와 포인팅 장치(예를 들면, 마우스 또는 트랙볼)를 구비할 수 있으며, 유저는 당해 키보드 및 당해 포인팅 장치를 통해 입력을 컴퓨터에 제공할 수 있다. 기타 유형의 장치는 또한 유저와의 대화를 제공하는데 사용될 수 있다. 예를 들면, 유저에 제공하는 피드백은 임의의 형태의 감각 피드백(예를 들면, 시각적 피드백, 청각적 피드백, 또는 촉각 피드백)일 수 있으며, 또한 임의의 형태(음향 입력, 음성 입력 또는 촉각 입력을 포함함)를 통해 유저로부터의 입력을 수신할 수 있다.

여기서 설명하는 시스템 및 기술을 백엔드 구성 요소를 포함하는 계산 시스템(예를 들면 데이터 서버), 또는 미들웨어 구성 요소를 포함하는 계산 시스템(예를 들면 응용 서버), 또는 프런트 엔드 구성 요소를 포함하는 계산 시스템(예를 들면 그래픽 유저 인터페이스 또는 웹 브라우저를 구비하는 유저 컴퓨터인 바, 유저는 당해 그래픽 유저 인터페이스 또는 당해 웹 브라우저를 통해 여기서 설명하는 시스템 및 기술의 실시 방식과 대화함), 또는 이러한 백엔드 구성 요소, 미들웨어 구성 요소, 또는 프런트 엔드 구성 요소의 임의의 조합을 포함하는 계산 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신 (예를 들면, 통신 네트워크)을 통해 시스템의 구성 요소를 상호 연결할 수 있다. 통신 네트워크의 예는 근거리 통신망(LAN), 광역 통신망(WAN) 및 인터넷을 포함한다.

컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있고, 또한 일반적으로 통신 네트워크를 통해 대화를 실행한다. 해당되는 컴퓨터 상에서 운행되고, 또한 클라이언트 - 서버 관계를 갖는 컴퓨터 프로그램을 통해 클라이언트와 서버의 관계를 발생시킬 수 있다.

상기에 나타낸 다양한 형태의 흐름을 이용하여 것을 재정렬, 증가 또는 삭제할 수 있음을 이해해야 한다. 예를 들면, 본 발명에 기재된 각 순서는 병렬로 수행되거나 또는 차례로 수행되거나 또는 다른 순서로 수행될 수 있으며, 본 발명이 개시하는 기술안이 원하는 결과를 실현할 수 있는 한, 본 명세서는 이에 대해 한정하지 않는다.

상술한 구체적인 실시 방식은 본 발명의 보호 범위를 한정하지 않는다. 당업자는 설계 요건 및 기타 요인에 따라 다양한 수정, 조합, 서브 조합 및 대체를 실행할 수 있음을 이해해야 한다. 본 발명의 정신 및 원칙 내에서 이루어진 임의의 수정 동등한 대체 및 개선 등은 모두 본 발명의 보호 범위 내에 포함되어야 한다.

Claims

컴퓨터로 실행되는 다중 모드 사전 훈련 모델(multi-mode pre-training model) 취득 방법에 있어서,
훈련 데이터인 임의의 이미지-텍스트 쌍(image-text pairs)에 대해, 상기 텍스트 중의 처리될 세립도 시맨틱 단어(fine-grained semantic word)를 결정하는 단계;
상기 처리될 세립도 시맨틱 단어에 대해 마스크 조작(mast operation)을 실행하는 단계; 및
마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련하는 단계;
를 포함하고,
상기 텍스트 중의 처리될 세립도 시맨틱 단어를 결정하는 단계는:
상기 텍스트에 대응하는 시나리오 맵(scene graph)을 취득하되, 상기 시나리오 맵은 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 포함하고, 임의의 속성 2-튜플은 각각 하나의 엔티티 노드(entity node) 및 하나의 속성 노드(attribute node)로 구성되며, 임의의 관계 3-튜플은 각각 2개의 엔티티 노드 및 하나의 관계 노드(relationship node)로 구성되고, 상기 시나리오 맵에 포함된 노드의 총수와 노드 수량 설정용 백분율과의 곱을 계산하여, 계산 결과를 반내림 또는 반올림한 후 추출하려는 노드 수량으로 설정하고, 상기 시나리오 맵 중에서 추출하려는 노드 수량의 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 랜덤으로 추출하고, 추출한 엔티티 노드에 대응하는 상기 텍스트 중의 엔티티 단어, 추출한 속성 2-튜플 중의 속성 노드에 대응하는 상기 텍스트 중의 속성 단어, 및 추출한 관계 3-튜플 중의 관계 노드에 대응하는 상기 텍스트 중의 관계 단어를 상기 처리될 세립도 시맨틱 단어로 설정하는 단계를 포함하고,
상기 다중 모드 사전 훈련 모델의 훈련 태스크는 엔티티 예측(entity prediction), 속성 예측(attribute prediction)，관계 예측(relationship prediction), 및 적어도 하나의 기타 훈련 태스크를 포함하는,
다중 모드 사전 훈련 모델 취득 방법.
제1항에 있어서,
상기 다중 모드 사전 훈련 모델은 텍스트의 문맥 및 대응하는 이미지 콘텐츠에 기반하여 상기 텍스트 중의 마스크 조작을 실행한 단어를 예측하는,
다중 모드 사전 훈련 모델 취득 방법.
제1항에 있어서,
상기 다중 모드 사전 훈련 모델을 훈련하는 단계가 완료된 후, 임의의 하향 태스크에 대하여, 상기 하향 태스크에 대응하는 훈련 데이터에 기반하여 상기 다중 모드 사전 훈련 모델을 미세 조정하는 단계;
를 더 포함하는,
다중 모드 사전 훈련 모델 취득 방법.
다중 모드 사전 훈련 모델 취득 장치에 있어서,
데이터 처리 모듈 및 모델 훈련 모듈을 구비하며;
상기 데이터 처리 모듈은, 훈련 데이터인 임의의 이미지-텍스트 쌍에 대해 상기 텍스트 중의 처리될 세립도 시맨틱 단어를 결정하되, 구체적으로, 상기 텍스트에 대응하는 시나리오 맵(scene graph)을 취득하되, 상기 시나리오 맵은 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 포함하고, 임의의 속성 2-튜플은 각각 하나의 엔티티 노드(entity node) 및 하나의 속성 노드(attribute node)로 구성되며, 임의의 관계 3-튜플은 각각 2개의 엔티티 노드 및 하나의 관계 노드(relationship node)로 구성되고, 상기 시나리오 맵에 포함된 노드의 총수와 노드 수량 설정용 백분율과의 곱을 계산하여, 계산 결과를 반내림 또는 반올림한 후 추출하려는 노드 수량으로 설정하고, 상기 시나리오 맵 중에서 추출하려는 노드 수량의 엔티티 노드, 속성 2-튜플 및 관계 3-튜플을 랜덤으로 추출하고, 추출한 엔티티 노드에 대응하는 상기 텍스트 중의 엔티티 단어, 추출한 속성 2-튜플 중의 속성 노드에 대응하는 상기 텍스트 중의 속성 단어, 및 추출한 관계 3-튜플 중의 관계 노드에 대응하는 상기 텍스트 중의 관계 단어를 상기 처리될 세립도 시맨틱 단어로 설정하고, 상기 처리될 세립도 시맨틱 단어에 대해 마스크 조작을 실행하며;
상기 모델 훈련 모듈은, 마스크 조작을 실행한 후의 훈련 데이터에 기반하여 다중 모드 사전 훈련 모델을 훈련하고,
상기 다중 모드 사전 훈련 모델의 훈련 태스크는 엔티티 예측(entity prediction), 속성 예측(attribute prediction)，관계 예측(relationship prediction), 및 적어도 하나의 기타 훈련 태스크를 포함하는,
다중 모드 사전 훈련 모델 취득 장치.
제4항에 있어서,
상기 다중 모드 사전 훈련 모델은 텍스트의 문맥 및 대응하는 이미지 콘텐츠에 기반하여 상기 텍스트 중의 마스크 조작을 실행한 단어를 예측하는,
다중 모드 사전 훈련 모델 취득 장치.
제4항에 있어서,
상기 모델 훈련 모듈은, 임의의 하향 태스크에 대하여, 상기 하향 태스크에 대응하는 훈련 데이터에 기반하여 상기 다중 모드 사전 훈련 모델을 미세 조정하는 것을 더 포함하는,
다중 모드 사전 훈련 모델 취득 장치.
전자 기기에 있어서,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결된 메모리를 구비하며,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령이 기록되어 있으며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 수행되어 상기 적어도 하나의 프로세서로 하여금 제1항 내지 제3항 중 어느 한 항에 기재된 방법을 수행하도록 하는,
전자 기기.
컴퓨터 명령이 기록되어 있는 비 일시적 컴퓨터 판독 가능 기록 매체에 있어서,
상기 컴퓨터 명령은 상기 컴퓨터로 하여금 제1항 내지 제3항 중 어느 한 항에 기재된 방법을 수행하도록 하는,
기록 매체.
비 일시적 컴퓨터 판독 가능 기록 매체에 기록되어 있는 프로그램에 있어서,
상기 프로그램은 상기 컴퓨터로 하여금 제1항 내지 제3항 중 어느 한 항에 기재된 방법을 수행하도록 하는,
비 일시적 컴퓨터 판독 가능 기록 매체에 기록되어 있는 프로그램.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제