CN114386409B 基于注意力机制的自蒸馏中文分词方法、终端及存储介质 （深圳大学）_第1页
CN114386409B 基于注意力机制的自蒸馏中文分词方法、终端及存储介质 （深圳大学）_第2页
CN114386409B 基于注意力机制的自蒸馏中文分词方法、终端及存储介质 （深圳大学）_第3页
CN114386409B 基于注意力机制的自蒸馏中文分词方法、终端及存储介质 （深圳大学）_第4页
CN114386409B 基于注意力机制的自蒸馏中文分词方法、终端及存储介质 （深圳大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了基于注意力机制的自蒸馏中整个模型进行验证，得到蒸馏后的中文分词模2通过所述教师模型与学生模型获取注意力权重矩阵，具体包括：计将所述注意力权重矩阵引入知识蒸馏过程，对所述学生模型进行有针对性的学习训注意力权重矩阵分别与所述学生模型输出的预测分词结果和所述教师模型输出的预测分从所述原训练集中随机抽取第一比例的数据作为所述训练从所述原训练集中随机抽取第二比例的数据作为所述验证将所述训练集中的字符串转化为字符向量，并将所述字符向量通过所述验证集对所述学生模型进行验证，判断所述学生模型获得的F时用于实现如权利要求1-5中任意一项所述的基于注意被处理器执行时用于实现如权利要求1-5中任意一项所述的基于注意力机制的自蒸馏中文3符转化为分布式的、计算机能够理解和运算的一串信息；Encoder部分(编码器)，将Embedding信息进行编码，通过特定运算后使计算机能够捕获各个Embedding之间的关系；[0013]通过验证集对学习训练所获得的整个模型进行验证，得到蒸馏后的中文分词模4[0031]将所述注意力权重矩阵分别与所述学生模型输出的预测分词结果和所述教师模处理器执行时用于实现如第一方面所述的基于注意力机制的自蒸馏中文分词程序被处理器执行时用于实现如第一方面所述的基于注意力机制的自蒸馏中文分5[0041]图1是本发明的一种实现方式中基于注意力机制的自蒸馏中文分词方法的流程[0042]图2是本发明的一种实现方式中基于注意力机制的自蒸馏中文分词模型的结构示[0044]图4是本发明的一种实现方式中自蒸馏对整个模型知识表达能力的提升效果示意6的超参数和用于对模型的能力进行初步评估，故可将验证集看做阶段学习完成后的“作模型，所述预训练模型采用BERT模型，BERT的全称为BidirectionalEncoder往一样采用传统的单向语言模型或者把两个单向语言模型进行浅层拼接的方法进行预训7中，有对问题有帮助的有用信息，也有对问题无帮助的信息，对问题无帮助的信息被称作率的一种有效手段。注意力机制的核心目标是从众多信息中选择出对当前任务目标更关键8[0094]步骤S303，通过所述第一差异信息和所述第二差异信息获得所述注意力权重矩9[0104]如上述举例中所述，知识蒸馏过程中的主要任务是将整体损Loss为Losssoft(即上述蒸馏损失)与输入数据没有通过教师模型情况下的常规损失Loss[0108]步骤S401a，将所述注意力权重矩阵分别与所述学生模型输出的预测分词结果和[0115]如图4所示，图4是基于上述参数设置所训练得到的模型[0121]该计算机程序被处理器执行时用以实现一种基于注意力机制的自蒸馏中文分词行时用于实现如上的基于注意力机制的自蒸馏中中文分词程序被处理器执行时用于实现如上的基于注意力机制的

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论