-
公开(公告)号:CN117932010A
公开(公告)日:2024-04-26
申请号:CN202311607433.9
申请日:2023-11-28
Applicant: 北京中科闻歌科技股份有限公司 , 航空工业信息中心 , 中国科学院自动化研究所
IPC: G06F16/332 , G06F16/33 , G06F16/36
Abstract: 本发明提供了一种基于大语言模型的应答文本生成方法、电子设备及介质,涉及答文本生成领域,所述方法包括:获取用户输入的目标问题文本Q;获取Q中的第一目标字段QA和第二目标字段QB;确定Q对应的目标实体类型属性列表和/或目标实体类型关系以及指定提示词;将Q填入目标提示词对应的预设位置,生成Q对应的目标提示词;将所述目标提示词输入至预设的大语言模型;根据所述至少一个检索条件,从目标知识图谱中确定出每一检索条件对应的目标知识图谱分支;将Q和目标知识图谱分支输入至预设的大语言模型,以通过所述大语言模型输出Q对应的应答文本;本发明能够提高对知识图谱的处理效率以及得到的答案的准确性。
-
公开(公告)号:CN115828917A
公开(公告)日:2023-03-21
申请号:CN202211505312.9
申请日:2022-11-28
Applicant: 北京中科闻歌科技股份有限公司 , 中国科学院自动化研究所 , 航空工业信息中心
IPC: G06F40/295 , G06N3/045 , G06N3/042 , G06N3/096 , G06N5/02
Abstract: 本发明提供了一种融合知识的低资源语种实体抽取系统,包括:目标语种知识库、关联语种知识库、处理器和存储有计算机程序的存储器,当处理器执行计算机程序时,实现如下步骤:获取无标注语料目标语句中的目标实体,将目标实体与目标语种知识库、关联语种知识库进行实体链接,以预测掩码实体为目标获取第一损失函数,以预测实体的上下文为目标获取第二损失函数,以预测实体类型为目标获取第三损失函数,通过最小化三个损失函数的加权求和函数,获取XLM‑RK模型;从而根据XLM‑RK模型在预训练阶段获得的跨语言实体对齐能力,提升目标语种实体识别效果。
-