申请/专利权人:南京审计大学
申请日:2024-01-23
公开(公告)日:2024-04-19
公开(公告)号:CN117909447A
主分类号:G06F16/33
分类号:G06F16/33;G06F16/28;G06Q50/26;G06N3/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种针对医院审计场景的基于大语言模型的智能审计方法。该方法可理解用户提问,将提问转化为文本计算任务,与医院私有诊疗记录数据进行交互式计算,最后形成文本、图片和表格等多模态形式的答案。具体包括:基于少样本学习实现大模型对复杂任务的意图识别;构建向量和关系型数据库存储数据的表征和关联关系;构建反馈机制和自适应模块以优化表征;基于相似度计算完成审计提问和答案的匹配;调用大语言模型形成格式化输出,并以图表展示结果。本发明解决大语言模型与敏感审计数据之间的交互问题,避免敏感数据的泄露风险,同时利用大语言模型的语言理解能力提升复杂审计场景如医院审计的智能化程度。
主权项:1.一种针对医院审计场景的基于大语言模型的智能审计方法,其特征在于它包括以下步骤:步骤一:将已经存在的医院诊疗记录文本转换为嵌入表示,并将对应的数据存储到便于提取和修改的数据库中;首先利用大语言模型将医院诊疗记录进行嵌入表示,并将相应结果存储到向量数据库中,而医疗私有数据中数据之间的关联关系则通过关系型数据库存储;步骤二:在接收到用户的自然语言提问句后,将用户的语句规范化处理,并识别用户的实际意图;因此利用少样本学习配置模板规范化大语言模型的输出形式,再输入用户自然语言提问句,解析出规范化的问题和用户实际意图,即具体审计任务类型和识别的关键参数;步骤三:当规范化后的问题第一次出现时,利用用户反馈提供的标记,训练嵌入表示的自适应层,并将经过自适应层转换后的嵌入表示结果存储到向量数据库中,并更新向量数据库的嵌入表示;步骤四:根据之前流程识别的实际意图,基于事先构造的映射关系转化为数据分析方法和参数,形成具体的任务,并将任务提交到线程池中;步骤五:在线程池中执行具体任务;步骤六:在本阶段将输出的结果输入到大语言模型中,以形成结论性的文本或统计性结果的图片。
全文数据:
权利要求:
百度查询: 南京审计大学 针对医院审计场景的基于大语言模型的智能审计方法
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。