申请/专利权人：中电信数智科技有限公司

申请日：2023-12-13

公开（公告）日：2024-04-02

公开（公告）号：CN117807227A

主分类号：G06F16/35

分类号：G06F16/35;G06F16/36;G06F16/34;G06F40/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明提供基于大模型摘要向量的苗头事件检测方法，属于大模型技术领域，包括以下步骤：S1、使用大模型为每个诉求事件生成语义向量；S2、使用语义相似度进行聚类；S3、将步骤S2得到的每一个预定义类别中的所有事件通过大模型处理得到该预定义类别的摘要向量；S4、计算步骤S1中得到的每个诉求事件的语义向量与步骤S3中得到的每个摘要向量的余弦相似度，根据两者的余弦相似度进行再分类得到实际类别；S5、统计步骤S4中得到的每个实际类别中包含的诉求事件的数量，实际类别包含的诉求事件数量满足特定要求的为苗头类别，苗头类别包含的所有诉求事件均为苗头事件；本方法具有泛化能力，且无需预先对事件分类，可高效自主的检测苗头事件。

主权项：1.基于大模型摘要向量的苗头事件检测方法，其特征在于，包括以下步骤：S1、使用大模型为每个诉求事件生成语义向量；对语义向量进行降维得到降维向量；对语义向量进行统计特征提取得到统计特征向量，将降维向量和统计特征向量进行向量拼接得到拼接向量；S2、使用语义相似度进行聚类，具体包括以下分步骤：S21、从所有诉求事件中任选一个诉求事件，计算该诉求事件与其余所有诉求事件的拼接向量的余弦相似度，余弦相似度不小于设定值的两个诉求事件归于同一类预定义类别，如果没有任何诉求事件与该诉求事件的余弦相似度不小于设定值，则该诉求事件单独归为一类预定义类别；S22、从所有的诉求事件中剔除已归类事件，然后重复步骤S21；S23、重复步骤S22直至所有诉求事件都完成归类；S3、将步骤S2得到的每一个预定义类别中的所有事件通过大模型处理得到该预定义类别的摘要向量；所述摘要向量维度与语义向量维度相同；S4、计算步骤S1中得到的每个诉求事件的语义向量与步骤S3中得到的每个摘要向量的余弦相似度；如果某一诉求事件的语义向量与多个摘要向量的余弦相似度不小于设定值，则将该诉求事件归类为余弦相似度最大的摘要向量对应的预定义类别，并将该预定义类别归类为一个独立的实际类别；如果某一诉求事件的语义向量与任一摘要向量的余弦相似度均小于设定值，则将该诉求事件单独归为一个独立的实际类别；S5、统计步骤S4中得到的每个实际类别中包含的诉求事件的数量，实际类别包含的诉求事件数量满足特定要求的为苗头类别，苗头类别包含的所有诉求事件均为苗头事件。

全文数据：

权利要求：

百度查询： 中电信数智科技有限公司 基于大模型摘要向量的苗头事件检测方法和电子设备

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