System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及深度学习领域,尤其涉及一种基于llama2的文本简化方法。
技术介绍
1、将深度学习技术应用在语言教学领域当中,可以为不同水平的学习者提供适合个人阅读能力的材料,即通过文本简化系统帮助降低文本的复杂度,以使文本与学习者的阅读水平相匹配,从而提高学习者有效阅读发生的概率。
2、目前,文本简化领域采用的模型通常基于较大的数据集wikilarge(一种数据集名称)进行训练,通过给定复杂句子,由模型生成简单句子,根据不同的语言模型的设定计算损失,不断优化语言模型。然而数据集wikilarge是自动对齐的,同时是由不同人员完成的简化,数据质量相对较差,难以保证语言模型的训练效果。
3、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种基于llama2的文本简化方法,旨在解决以往的数据集数据质量相对较差,难以保证语言模型的训练效果的技术问题。
2、为实现上述目的,本专利技术提供一种基于llama2的文本简化方法,所述基于llama2的文本简化方法包括以下步骤:
3、基于预设文本形式,构建包含复杂句、简单句、sari得分的数据集;
4、根据所述数据集,构建融合所述sari得分的输入模板;
5、基于lora方法和所述输入模板对应的输入数和输出数,对llama模型进行微调;
6、基于调整后的所述llama模型,构建简化句生成模
7、可选地,所述基于预设文本形式,构建包含复杂句、简单句、sari得分的数据集的步骤包括:
8、获取给定的复杂句和参考集;
9、基于所述复杂句,评估所述参考集中每一简化句的sari得分;
10、根据所述复杂句、所述简化句和所述sari得分,基于所述预设文本形式,构建所述数据集。
11、可选地,所述基于所述复杂句,评估所述参考集中每一简化句的sari得分的步骤包括:
12、选取待评估简化句;
13、去除所述参考集中的所述待评估简化句,以形成目标参考集;
14、根据所述复杂句、所述待评估简化句和所述目标参考集,计算第一操作得分、第二操作得分和第三操作得分;
15、根据所述第一操作得分、所述第二操作得分和所述第三操作得分,计算所述待评估简化句的sari得分。
16、可选地,其特征在于,所述根据所述数据集,构建融合所述sari得分的输入模板的步骤包括:
17、构建初始prompt模板;
18、将所述数据集中样本对应的第一操作得分、所述第二操作得分和所述第三操作得分,整合至所述prompt模板,以形成所述输入模板。
19、可选地,所述基于lora方法和所述输入模板对应的输入数和输出数,对llama模型进行微调的步骤包括:
20、选取llama2-7b模型作为基底模型;
21、基于所述基于lora方法和所述输入模板对应的输入数和输出数,对所述llama2-7b模型进行微调,所述llama2-7b模型属于所述llama模型。
22、可选地,所述基于调整后的所述llama模型,构建简化句生成模板并输出简化结果的步骤包括:
23、基于sari得分、第一操作得分、第二操作得分和第三操作得分,构建所述简化句生成模板;
24、通过更改所述生成模板中各项得分的数值,以控制所述llama模型输出所述简化结果。
25、可选地,所述llama模型的超参数包括所述sari得分、所述第一操作得分、所述第二操作得分和所述第三操作得分,所述简化句生成模板为所述llama模型的超参数输入模板。
26、可选地,所述第一操作得分、所述第二操作得分和所述第三操作得分分别对应添加操作、保留操作和删除操作。
27、此外,为实现上述目的,本专利技术还提供一种基于llama2的文本简化设备,所述基于llama2的文本简化设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于llama2的文本简化程序,所述基于llama2的文本简化程序配置为实现如上所述的基于llama2的文本简化方法的步骤。
28、此外,为实现上述目的,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有基于llama2的文本简化程序,所述基于llama2的文本简化程序被处理器执行时实现如上所述的基于llama2的文本简化方法的步骤。
29、本专利技术提出一种基于llama2的文本简化方法,使用llama2-7b作为基底模型,即使在样本量较少的情况下,依然可以保持模型具备的语言能力,使用asset和turk数据集中的验证集部分作为本文的全部训练数据,经过处理后的数据为3.2w条,远远小于wikilarge的29w条,保持了较低的训练代价;将原有(复杂句,简单句)的输入格式改变为(复杂句,简单句,得分)的形式,以prompt的形式告知模型当前句子的得分,即将每条简化句子的性能好坏输入模型,从而将评价方式注入大模型中,在不改变模型结构、训练目标的情况下,一定程度上实现有监督训练的效果。
本文档来自技高网...【技术保护点】
1.一种基于Llama2的文本简化方法,其特征在于,所述基于Llama2的文本简化方法包括以下步骤:
2.如权利要求1所述的基于Llama2的文本简化方法,其特征在于,所述基于预设文本形式,构建包含复杂句、简单句、SARI得分的数据集的步骤包括:
3.如权利要求2所述的基于Llama2的文本简化方法,其特征在于,所述基于所述复杂句,评估所述参考集中每一简化句的SARI得分的步骤包括:
4.如权利要求1至3任一项所述的基于Llama2的文本简化方法,其特征在于,所述根据所述数据集,构建融合所述SARI得分的输入模板的步骤包括:
5.如权利要求1所述的基于Llama2的文本简化方法,其特征在于,所述基于LoRA方法和所述输入模板对应的输入数和输出数,对Llama模型进行微调的步骤包括:
6.如权利要求1所述的基于Llama2的文本简化方法,其特征在于,所述基于调整后的所述Llama模型,构建简化句生成模板并输出简化结果的步骤包括:
7.如权利要求6所述的基于Llama2的文本简化方法,其特征在于,所述Llama模
8.如权利要求6所述的基于Llama2的文本简化方法,其特征在于,所述第一操作得分、所述第二操作得分和所述第三操作得分分别对应添加操作、保留操作和删除操作。
9.一种基于Llama2的文本简化设备,其特征在于,所述基于Llama2的文本简化设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于Llama2的文本简化程序,所述基于Llama2的文本简化程序配置为实现如权利要求1至6中任一项所述的基于Llama2的文本简化方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于Llama2的文本简化程序,所述基于Llama2的文本简化程序被处理器执行时实现如权利要求1至6任一项所述的基于Llama2的文本简化方法的步骤。
...【技术特征摘要】
1.一种基于llama2的文本简化方法,其特征在于,所述基于llama2的文本简化方法包括以下步骤:
2.如权利要求1所述的基于llama2的文本简化方法,其特征在于,所述基于预设文本形式,构建包含复杂句、简单句、sari得分的数据集的步骤包括:
3.如权利要求2所述的基于llama2的文本简化方法,其特征在于,所述基于所述复杂句,评估所述参考集中每一简化句的sari得分的步骤包括:
4.如权利要求1至3任一项所述的基于llama2的文本简化方法,其特征在于,所述根据所述数据集,构建融合所述sari得分的输入模板的步骤包括:
5.如权利要求1所述的基于llama2的文本简化方法,其特征在于,所述基于lora方法和所述输入模板对应的输入数和输出数,对llama模型进行微调的步骤包括:
6.如权利要求1所述的基于llama2的文本简化方法,其特征在于,所述基于调整后的所述llama模型,构建简化句生成模板并输出简化结果的步骤包括:
7.如权利要求...
【专利技术属性】
技术研发人员:甘健侯,李子杰,陈书雨,王士进,刘三女牙,张桂戌,郑淑英,周菊香,
申请(专利权)人:云南师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。