执行学习模型的分层简化制造技术

本公开涉及执行学习模型的分层简化。根据一个实施例的一种计算机实现的方法包括：将第一输入实例应用于树形结构内的第一模型；基于第一模型对第一输入实例内的第一主题的识别，激活树形结构内的第二模型；将第二输入实例应用于第一模型和第二模型；基于第二模型对第二输入实例内的第二主题的识别，激活树形结构内的第三模型；将第三输入实例应用于第一模型、第二模型和第三模型；以及由第三模型使用第三输入实例来输出第三主题的识别。

【技术实现步骤摘要】
执行学习模型的分层简化
本专利技术涉及机器学习，并且更具体地，本专利技术涉及训练和利用神经网络。
技术介绍
机器学习通常用于提供数据分析。例如，神经网络可用于识别所提供的输入内的预定数据。但是，这些神经网络通常很复杂，并且具有大量的输入和输出。结果，创建和准备训练这些神经网络所需的训练数据是耗费资源和时间的。因此，需要简化组织或神经网络，以简化和减少训练这种神经网络所需的训练数据量。
技术实现思路
根据一个实施例的一种计算机实现的方法包括：将第一输入实例应用于树形结构内的第一模型；基于第一模型对第一输入实例内的第一主题的识别，激活树形结构内的第二模型；将第二输入实例应用于第一模型和第二模型；基于第二模型对第二输入实例内的第二主题的识别，激活树形结构内的第三模型；将第三输入实例应用于第一模型、第二模型和第三模型；以及由第三模型使用第三输入实例来输出第三主题的识别。根据另一实施例，一种用于执行学习模型的分层简化的计算机程序产品，包括计算机可读存储介质，该计算机可读存储介质中体现有程序指令，其中，该计算机可读存储介质不是瞬时信号本身，并且其中，该程序指令可由处理器执行以使处理器执行一种方法，该方法包括：由处理器将第一输入实例应用于树形结构内的第一模型；由处理器基于第一模型对第一输入实例内的第一主题的识别，激活树形结构内的第二模型；由处理器将第二输入实例应用于第一模型和第二模型；由处理器基于第二模型对第二输入实例内的第二主题的识别，激活树形结构内的第三模型；由处理器将第三输入实例应用于第一模型、第二模型和第三模型；以及由第三模型使用处理器和第三输入实例来输出第三主题的识别。根据另一个实施例的系统包括处理器以及与处理器集成在一起，能够由处理器执行，或者与处理器集成在一起并且能够由处理器执行的逻辑，其中，该逻辑被配置成：将第一输入实例应用于树形结构内的第一模型；基于第一模型对第一输入实例内的第一主题的识别，激活树形结构内的第二模型；将第二输入实例应用于第一模型和第二模型；基于第二模型对第二输入实例内的第二主题的识别，激活树形结构内的第三模型；将第三输入实例应用于第一模型、第二模型和第三模型；以及由第三模型使用第三输入实例来输出第三主题的识别。根据另一实施例的一种计算机实现的方法，包括：识别确定输入数据内的多个主题的复杂模型；将该复杂模型分解成多个简化模型，其中，每个简化模型与该多个主题中的一个主题相关联并识别输入数据内的该多个主题中的该一个主题；确定该多个主题之间的关系；基于该多个主题之间的关系，将该多个简化模型布置成分层树形结构；训练分层树形结构内的该多个简化模型中的每个简化模型；以及将训练后的多个简化模型应用于输入数据。根据另一实施例，一种用于执行学习模型的分层简化的计算机程序产品包括计算机可读存储介质，该计算机可读存储介质中体现有程序指令，其中，计算机可读存储介质不是瞬时信号本身，并且其中，程序指令可由处理器执行以使处理器执行一种方法，该方法包括：由处理器识别确定输入数据内的多个主题的复杂模型；由处理器将该复杂模型分解成多个简化模型，其中，每个简化模型与该多个主题中的一个主题相关联并识别在输入数据内的该多个主题中的该一个主题；由处理器确定该多个主题之间的关系；由处理器基于该多个主题之间的关系，将该多个简化模型布置成分层树形结构；由处理器训练分层树形结构内的该多个简化模型中的每个简化模型；以及由处理器将训练后的多个简化模型应用于输入数据。通过以下详细描述，本专利技术的其它方面和实施例将变得显而易见，当结合附图时，以下详细描述通过示例的方式示出了本专利技术的原理。附图说明图1示出了根据一个实施例的网络体系架构。图2示出了根据一个实施例的可与图1中的服务器和/或客户端相关联的代表性硬件环境。图3示出了根据一个实施例的用于执行学习模型的分层简化的方法。图4示出了根据一个实施例的用于在分层树形结构中布置神经网络模型的方法。图5示出了根据一个实施例的示例性模型树形结构。图6示出了根据一个实施例的父代/子代关系树。图7示出了根据一个实施例的父代/子代关系树到输入数据的特定应用。具体实施方式以下描述公开了用于执行学习模型的分层简化的系统、方法和计算机程序产品的几个优选实施例。各种实施例提供了一种用于在树形结构内分层布置并将一组单独的主题识别模型应用于输入数据的方法。以下描述是出于说明本专利技术的一般原理的目的，并且不意味着限制本文所要求保护的专利技术构思。此外，本文描述的特定特征可以以各个可能的组合和排列中的每个与其它描述的特征组合使用。除非本文另外明确定义，否则应给出所有术语最广泛的可能的解释，包括从说明书中隐含的含义以及本领域技术人员理解的含义和/或如字典、论文等中定义的含义。还必须注意，如说明书和所附权利要求书中所使用的，单数形式“一”、“一个”和“该”包括复数个指示物，除非另有说明。将进一步理解的是，当在本说明书中时，使用术语“包括”和/或“包含”指定了所述特征、整数、步骤、操作、元件和/或组件的存在，但并不排除存在或添加一个或多个其它特征、整数、步骤、操作、元件、组件和/或其组。以下描述公开了用于执行学习模型的分层简化的系统、方法和计算机程序产品的几个优选实施例。在一个一般实施例中，一种计算机实现的方法包括：将第一输入实例应用于树形结构内的第一模型；基于第一模型对第一输入实例内的第一主题的识别，激活树形结构内的第二模型；将第二输入实例应用于第一模型和第二模型；基于第二模型对第二输入实例内的第二主题的识别，激活树形结构内的第三模型；将第三输入实例应用于第一模型、第二模型和第三模型；以及由第三模型使用第三输入实例来输出第三主题的识别。在另一个一般实施例中，一种用于执行学习模型的分层简化的计算机程序产品包括计算机可读存储介质，该计算机可读存储介质中体现有程序指令，其中，该计算机可读存储介质不是瞬时信号本身，并且其中，该程序指令可由处理器执行以使处理器执行一种方法，该方法包括：由处理器将第一输入实例应用于树形结构内的第一模型；由处理器基于第一模型对第一输入实例内的第一主题的识别，激活树形结构内的第二模型；由处理器将第二输入实例应用于第一模型和第二模型；由处理器基于第二模型对第二输入实例内的第二主题的识别，激活树形结构内的第三模型；由处理器将第三输入实例应用于第一模型、第二模型和第三模型；以及通过第三模型使用处理器和第三输入实例来输出第三主题的识别。在另一个一般实施例中，一种系统包括处理器以及逻辑，该逻辑与处理器集成在一起，能够由处理器执行，或者与处理器集成在一起并且能够由处理器执行，其中，该逻辑被配置成：将第一输入实例应用于树形结构内的第一模型；基于第一模型对第一输入实例内的第一主题的识别，激活树形结构内的第二模型；将第二输入实例应用于第一模型和第二模型；基于第二模型对第二输入实例内的第二主题的识别，激活树形结构内的第三模型；将第三输入实例应用于第一模型、第二模型和第三模型；以及由第本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，包括：/n将第一输入实例应用于树形结构内的第一模型；/n基于所述第一模型对所述第一输入实例内的第一主题的识别，激活所述树形结构内的第二模型；/n将第二输入实例应用于所述第一模型和所述第二模型；/n基于所述第二模型对所述第二输入实例内的第二主题的识别，激活所述树形结构内的第三模型；/n将第三输入实例应用于所述第一模型、所述第二模型和所述第三模型；以及/n由所述第三模型使用所述第三输入实例来输出第三主题的识别。/n

【技术特征摘要】
20190429 US 16/3979191.一种计算机实现的方法，包括：
将第一输入实例应用于树形结构内的第一模型；
基于所述第一模型对所述第一输入实例内的第一主题的识别，激活所述树形结构内的第二模型；
将第二输入实例应用于所述第一模型和所述第二模型；
基于所述第二模型对所述第二输入实例内的第二主题的识别，激活所述树形结构内的第三模型；
将第三输入实例应用于所述第一模型、所述第二模型和所述第三模型；以及
由所述第三模型使用所述第三输入实例来输出第三主题的识别。


2.根据权利要求1所述的计算机实现的方法，其中，所述第一模型包括第一神经网络。


3.根据权利要求1所述的计算机实现的方法，其中，所述树形结构表示多个单独的模型以及所述单独的模型之间的相互关系。


4.根据权利要求1所述的计算机实现的方法，其中，所述树形结构是基于主题来布置的。


5.根据权利要求1所述的计算机实现的方法，其中，所述第一模型包括基于所提供的输入来输出主题的分类模块。


6.根据权利要求1所述的计算机实现的方法，其中，所述第一输入实例选自包括文本数据、音频数据和时间序列数据的组。


7.根据权利要求1所述的计算机实现的方法，其中，响应于所述第一输入实例内的所述第一主题的所述识别，激活所述树形结构内的所述第一模型的所有子代。


8.根据权利要求1所述的计算机实现的方法，其中，所述第一模型包括所述树形结构内的根模型，所述第二模型包括所述树形结构内的中间模型，所述第三模型包括所述树形结构内的末端模型。


9.根据权利要求1所述的计算机实现的方法，其中，所述第一输入实例包括输入数据的第一部分，其中，所述输入数据被划分为多个按时间顺序布置的部分。


10.一种用于执行学习模型的分层简化的计算机程序产品，所述计算机程序产品包括计算机可读存储介质，在所述计算机可读存储介质中体现有程序指令，其中，所述计算机可读存储介质不是瞬时信号本身，所述程序指令可由处理器执行以使所述处理器执行根据权利要求1-9中任一项所述的方法。


11.一种系统，包括：...

【专利技术属性】
技术研发人员：稻垣猛，南彩，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：美国;US