申请/专利权人：同方知网数字出版技术股份有限公司;同方知网(北京)技术有限公司

申请日：2023-12-18

公开（公告）日：2024-04-09

公开（公告）号：CN117851562A

主分类号：G06F16/332

分类号：G06F16/332;G06F16/33;G06F16/35;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本申请涉及人工智能和数据处理技术领域，提出了一种学术大模型的语料数据集构建方法、装置、设备及介质，其中，方法包括：制定所述学术大模型的语料数据集的构建规则；根据所述数据提取需求，提取海量语料数据；根据所述数据处理规则，对所述海量语料数据进行预处理，得到处理后的语料数据；根据所述人工标注标准对所述处理后的语料数据进行人工标注，得到标注后的语料数据；将所述标注后的语料数据按照任务类型进行分类，以得到多个任务类型场景基础数据集；对各个任务类型场景基础数据集进行数据扩充，以形成任务类型场景数据集。通过该技术方案，保证输出的学术文档的准确性和适用性。

主权项：1.一种学术大模型的语料数据集构建方法，其特征在于，所述方法包括：制定所述学术大模型的语料数据集的构建规则，其中，所述构建规则包括数据提取需求、数据处理规则和人工标注标准；根据所述数据提取需求，提取海量语料数据；根据所述数据处理规则，对所述海量语料数据进行预处理，得到处理后的语料数据；根据所述人工标注标准对所述处理后的语料数据进行人工标注，得到标注后的语料数据；将所述标注后的语料数据按照任务类型进行分类，以得到多个任务类型场景基础数据集；对各个任务类型场景基础数据集进行数据扩充，以形成任务类型场景数据集。

全文数据：

权利要求：

百度查询： 同方知网数字出版技术股份有限公司;同方知网(北京)技术有限公司 学术大模型的语料数据集构建方法、装置、设备及介质

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