申请/专利权人:浙江大学计算机创新技术研究院
申请日:2023-11-20
公开(公告)日:2024-03-22
公开(公告)号:CN117743393A
主分类号:G06F16/2455
分类号:G06F16/2455;G06F16/242;G06F16/28;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于TripletLoss的单塔模型多表选取方法。方法包括:基于数据库构建三元组数据集;建立单塔模型,使用三元组数据集进行加权损失联合训练单塔模型;将结构化表格数据的建表语句信息输入,输出编码信息,构建向量特征库;将问题输入,输出特征向量;进行相似度度量,选取相似度较高的结构化表格数据,实现多表选取。本发明方法建立了建表信息表达和问题语句泛化特征较好的单塔模型,基于单塔模型,在人工智能领域结构化表格数据中多表联合操作时,可以根据问题选出所涉及的相关表格数据,实现在大部分场景下的准确选表。
主权项:1.一种基于TripletLoss的单塔模型多表选取方法,其特征在于,包括:1基于数据库构建三元组数据集;2建立单塔BERT模型,使用三元组数据集进行加权损失联合训练单塔BERT模型,获得训练完成的单塔BERT模型;3将若干结构化表格数据的建表语句信息输入训练完成的单塔BERT模型中,训练完成的单塔BERT模型输出各个建表语句信息的编码信息,构建为结构化表格数据的向量特征库;将问题输入训练完成的单塔BERT模型中,训练完成的单塔BERT模型输出问题的特征向量;4将结构化表格数据的向量特征库和问题的特征向量进行相似度度量,选取相似度较高的若干结构化表格数据,实现多表选取。
全文数据:
权利要求:
百度查询: 浙江大学计算机创新技术研究院 一种基于Triplet Loss的单塔模型多表选取方法
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。