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。

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