龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：湖北珞珈智言科技有限公司
申请日：2024-03-26
公开（公告）日：2024-06-14
公开（公告）号：CN118194042A
主分类号：G06F18/214
分类号：G06F18/214;G06F16/332;G06N3/0455;G06N3/048;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种基于指数记忆增强的片段级循环Transformer模型训练方法及装置，首先构建训练数据集，所述训练数据集中数据包括高质量的通用文本数据和部分领域数据；然后对训练数据集中数据进行片段级分割处理，获得输入序列数据；接着在输入序列数据中添加“记忆token”来实现记忆机制，获得处理后的高质量的通用文本数据和处理后的领域数据；最后使用处理后的通用文本数据预训练Transformer模型，直至训练满足收敛条件；用处理后领域数据微调Transformer模型，直至训练满足收敛条件。本发明能够有效提取全局特征并解决长文本输入问题。
主权项：1.一种基于指数记忆增强的片段级循环Transformer模型训练方法，其特征在于：步骤1：构建训练数据集，所述训练数据集中数据包括通用文本数据和部分领域数据；步骤2：对训练数据集中数据进行片段级分割处理，获得输入序列数据；步骤3：在输入序列数据中添加“记忆token”来实现记忆机制，获得处理后的通用文本数据和处理后的领域数据；对于给定的输入片段τ，添加[mem]token来增强输入，所述[mem]token与序列中的其他token按照相同的方式进行处理；每个[mem]token都是实数向量，在每个片段的token表征的前面添加m个[mem]token表征同时在末尾也添加m个[mem]token表征 其中，是初始值，m是超参数，N是Transformer的层数；片段开始的[mem]token组是读取记忆允许下一个片段的序列token注意到之前片段的记忆状态；片段结束的[mem]token组是写入记忆能够关注到当前片段的所有token表征并更新存储在记忆中的表征 步骤4：使用处理后的通用文本数据预训练Transformer模型，直至训练满足收敛条件；步骤5：用处理后领域数据微调Transformer模型，直至训练满足收敛条件。
全文数据：
权利要求：
百度查询： 湖北珞珈智言科技有限公司 基于指数记忆增强的片段级循环Transformer模型训练方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号