申请/专利权人：恩亿科(北京)数据科技有限公司

申请日：2020-12-18

公开（公告）日：2024-04-02

公开（公告）号：CN112528650B

主分类号：G06F40/284

分类号：G06F40/284;G06F40/126;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.04.06#实质审查的生效;2021.03.19#公开

摘要：本申请涉及一种Bert模型预训练方法、系统及计算机设备，其中，该Bert模型预训练方法包括：原始数据集获取步骤，用于获取原始数据集；数据集预处理步骤，用于将所述原始数据集经分词处理得到分词数据集，将所述分词数据集经Word2Vec模型训练得到全部词汇的词嵌入矩阵，并将所述词汇根据出现频率进行排序、编码，得到高频词汇、低频词汇及词汇编码；Bert模型预训练步骤，用于冻结所述Bert模型的词嵌入矩阵参数并基于所述全部词汇的词嵌入矩阵训练所述Bert模型后，减小学习率并输入所述词汇编码再次训练所述Bert模型。通过本申请，优化模型参数的收敛，有效防止模型震荡。

主权项：1.一种Bert模型预训练方法，其特征在于，包括：原始数据集获取步骤，用于获取原始数据集；数据集预处理步骤，用于将所述原始数据集经分词处理得到分词数据集，将所述分词数据集经Word2Vec模型训练得到全部词汇的词嵌入矩阵，并将所述词汇根据出现频率进行排序、编码，将排序后的词汇根据一设定阈值N分为高频词汇和低频词汇，基于高频词汇及低频词汇生成词汇编码；Bert模型预训练步骤，用于冻结所述Bert模型的词嵌入矩阵参数并基于所述全部词汇的词嵌入矩阵训练所述Bert模型后，减小学习率并输入所述词汇编码再次训练所述Bert模型，所述Bert模型预训练步骤进一步包括：部分参数预训练步骤，用于初始化所述Bert模型的词嵌入矩阵的词表大小为N+1，冻结所述Bert模型的词嵌入矩阵参数，输入所述全部词汇的词嵌入矩阵中的词向量至所述Bert模型，以训练所述Bert模型中非词嵌入矩阵参数；模型参数预训练步骤，用于减小所述Bert模型的学习率，利用所述词向量初始化所述Bert模型的词嵌入矩阵，输入所述词汇编码至所述Bert模型，以训练所述Bert模型的各层参数。

全文数据：

权利要求：

百度查询： 恩亿科(北京)数据科技有限公司 一种Bert模型预训练方法、系统及计算机设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD