公开(公告)号：CN120011492A

公开(公告)日：2025-05-16

申请号：CN202411864855.9

申请日：2024-12-17

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 方文浩 ,  陈禹燊 ,  韩光耀 ,  付波 ,  于海燕 ,  王煦博 ,  于飞龙

IPC: G06F16/3329 ,  G06F16/334 ,  G06F40/279 ,  G06F40/30

Abstract: 本公开提供了一种数据生成方法和装置，涉及信息技术领域，具体涉及自然语言处理、大模型、检索增强生成RAG等技术领域，可应用于智能问答、智能医疗问诊、教育培训、法律咨询和新闻解读等领域。具体实现方案为：对获取的文档进行分片处理，得到文本单元集合；基于文本单元集合，得到问答对集合和图结构元素集合，并在图数据库中存储图结构映射关系；基于问答对集合和图结构元素集合，得到问题向量和图结构向量，将问题向量和图结构向量作为文本向量，并在向量数据库中存储文本向量和文本映射关系；基于图数据库，得到社区向量，并在向量数据库中存储社区映射关系和社区向量，社区映射关系用于表征社区向量与图结构元素集合之间的关系。