原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种融合多种抽样和自注意力机制的序列建模方法，首先在自注意力层中采用多种抽样方法抽取少量且具有代表性的字符，其中包括滚雪球抽样、卡方抽样、高斯抽样等抽样方法，然后提出一种全新的位置编码方法代替原始Transformer模型的绝对位置向量编码，最后使用局部全连接层代替全局全连接层以减少参数数量。大量对比实验研究结果表明，与现有Transformer模型相比，本方法在计算效率和编码效果上都具有更好的表现。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117390578A
(43)申请公布日2024.01.12
(21)申请号202311335867.8G06F18/2415(2023.01)
(22)申请日2023.1
文档评论（0）