一種面向金融場景的端到端自然語言處理訓練框架與方法

基本信息

申請?zhí)?/td> CN202111163479.7 申請日 -
公開（公告）號 CN113887230A 公開（公告）日 2022-01-04
申請公布號 CN113887230A 申請公布日 2022-01-04
分類號 G06F40/295（2020.01）I;G06F40/30（2020.01）I;G06F16/35（2019.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06Q40/02（2012.01）I 分類 計算；推算；計數;
發(fā)明人 付志兵;張夢超;李漁;費斌杰 申請（專利權）人 北京熵簡科技有限公司
代理機構 上海劍秋知識產權代理有限公司 代理人 徐浩俊
地址 100085北京市海淀區(qū)上地三街9號D座3層D408
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種面向金融場景的端到端自然語言處理訓練框架與方法，涉及自然語言處理領域，所述訓練框架包括：Google原生BERT模塊、FinBERT預訓練模塊、基于類似self?training思想從外部相關數據中挖掘新數據模塊、下游任務語料上進行預訓練模塊、用半監(jiān)督學習的框架來充分利用無標簽語料模塊、知識蒸餾模塊、線上部署模塊。所述訓練方法包括以：步驟1、FinBERT預訓練；步驟2、基于類似self?training思想從外部相關數據中挖掘新數據；步驟3、下游任務語料上進行預訓練，對所述FinBERT進行再一次預訓練，得到的模型稱之為TASK FinBERT；步驟4、用半監(jiān)督學習的框架來充分利用無標簽語料，在TASK FinBERT的基礎上，訓練得到的模型稱之為UDA FinBERT；步驟5、蒸餾學習，將學習到的知識和特征蒸餾到輕量級模型上。