申请/专利权人：浙江省公众信息产业有限公司

申请日：2023-11-10

公开（公告）日：2024-02-02

公开（公告）号：CN117493447A

主分类号：G06F16/26

分类号：G06F16/26;G06F16/332;G06F16/33;G06F16/35

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明公开了一种基于大语言模型的级联共性问题挖掘方法，涉及人工智能和自然语言处理技术领域。包括以下步骤：S1，使用小语言嵌入模型对文本问题进行特征向量表达，保留子问题数量最高的前第二数量的粗粒度共性问题；S2，使用大语言嵌入模型对所述原始文本问题进行特征向量表达，保留子问题数量最高的前第四数量的细粒度共性问题；S3，使用大语言通用模型进行总结归纳，获得第五数量的共性问题；S4，使用大语言通用模型进行命名实体识别，并对所述共性问题进行重要程度排序。本发明能以更高的精度和更快的速度挖掘和发现文本中的共性问题，还能有效利用大语言模型的深度学习特性，以减少对大量计算资源的依赖。

主权项：1.一种基于大语言模型的级联共性问题挖掘方法，其特征在于，包括以下步骤：S1，使用小语言嵌入模型对文本问题进行特征向量表达，并通过聚类算法抽取所有的文本问题的第一数量的粗粒度共性问题；保留子问题数量最高的前第二数量的粗粒度共性问题；S2，获取所述前第二数量的粗粒度共性问题对应的原始文本问题，并使用大语言嵌入模型对所述原始文本问题进行特征向量表达，通过聚类算法抽取所述原始文本问题的第三数量的细粒度共性问题；保留子问题数量最高的前第四数量的细粒度共性问题；S3，针对所述前第四数量的细粒度共性问题，使用大语言通用模型进行总结归纳，获得第五数量的共性问题；S4，对得到的第五数量的共性问题，使用大语言通用模型进行命名实体识别，并对所述共性问题进行重要程度排序。

全文数据：

权利要求：

百度查询： 浙江省公众信息产业有限公司 一种基于大语言模型的级联共性问题挖掘方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD