申请/专利权人:湖南科技大学
申请日:2023-12-25
公开(公告)日:2024-04-26
公开(公告)号:CN117933412A
主分类号:G06N20/00
分类号:G06N20/00;G06F40/284;G06F40/216
优先权:
专利状态码:在审-公开
法律状态:2024.04.26#公开
摘要:本发明公开了一种基于自注意力机制的预训练模型去偏方法,包括:步骤S1:构建包含偏差属性词的数据集;步骤S2:对步骤S1中的偏差属性数据集进行反事实数据增强;步骤S3:构建去偏模型,将步骤S2中的数据输入到预训练模型中获取偏差属性词的嵌入表示,构建对输入的偏差属性词进行注意力分布对齐的损失函数;步骤S4:构建余弦相似度对齐损失函数;对原始模型与去偏模型输出的向量进行余弦相似度对齐损失分析,构成目标损失函数;步骤S5:综合两个损失函数作为最终的模型目标损失函数;步骤S6:在公开数据集上对训练的去偏模型进行公平性测试。本发明具有原理简单、易实现、能够提高去偏精度和去偏效果等优点。
主权项:1.一种基于自注意力机制的预训练模型去偏方法,其特征在于,包括:步骤S1:构建包含偏差属性词的数据集;步骤S2:对步骤S1中的偏差属性数据集进行反事实数据增强;步骤S3:构建去偏模型,将步骤S2中的数据输入到预训练模型中获取偏差属性词的嵌入表示,构建对输入的偏差属性词进行注意力分布对齐的损失函数LJSD;步骤S4:构建余弦相似度对齐损失函数;对原始模型与去偏模型输出的向量进行余弦相似度对齐损失分析,构成目标损失函数为Lcosine;步骤S5:综合两个损失函数作为最终的模型目标损失函数;步骤S6:在公开数据集上对训练的去偏模型进行公平性测试。
全文数据:
权利要求:
百度查询: 湖南科技大学 一种基于自注意力机制的预训练模型去偏方法
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。