一种基于大模型的多维度可解释主观题评分方法

    公开(公告)号:CN120068840A

    公开(公告)日:2025-05-30

    申请号:CN202510007526.0

    申请日:2025-01-03

    Applicant: 西南大学

    Abstract: 本发明涉及人工智能与教育评价技术领域,具体涉及一种基于大模型的多维度可解释主观题评分方法,对多样化的数据来源进行统一的数据清洗与结构化处理,包括数据获取、数据清洗与验证、数据关键信息提取、数据结构化处理与存储;设计包括关键内容匹配、文本相似度分析、句子流畅度评估和时间敏感性评价在内的多维度评分体系,每个维度的评分结果基于特定算法和模型得出;采用三层结构的权重机制来适配最合适的综合评分,其中,三层结构包括任务层、场景层和要素层;生成评分依据报告和构建评分日志,并通过动态反馈机制,对最终评分的各项权重进行持续优化以适应具体场景。全面提升评分的科学性、透明性和灵活性。

    一种问答系统的构建方法
    2.
    发明公开

    公开(公告)号:CN118585682A

    公开(公告)日:2024-09-03

    申请号:CN202410768559.2

    申请日:2024-06-14

    Applicant: 西南大学

    Abstract: 本发明涉及计算机科学和人工智能技术领域,具体涉及一种问答系统的构建方法,制定系统所需的相关领域知识图谱;启动图数据库存储引擎,并暴露数据库接口;根据实际业务场景来对比大语言模型的各项参数,选定一个开源大语言模型作为系统基座模型;利用整理的数据集对大语言模型进行微调;将大语言模型进行本地化部署,并封装为API供系统调用;构建一个界面,作为用户使用该系统的入口;将知识图谱、大语言模型和基础系统进行联通。免去了一般RAG技术对于知识源的向量化步骤,从而简化了检索的过程,结合知识图谱的准确性和可解释性,弥补了大模型可能存在的幻觉现象和本身的黑盒特性,并降低了知识库的更新维护成本。

Patent Agency Ranking