CN117788172B 基于大模型的数据资产评估方法、装置、设备及介质 （北京心流数据科技有限公司）

本发明公开了一种基于大模型的数据资产待处理任务以及与各待处理任务相对应的任务2确定与所述待使用提问信息相对应的至少一个待处理任务以及与各所述待处理任务若所述待执行程序中的程序为函数参数，则从预先构建的接根据各所述关联信息，生成与各所述待配置接口工具相对应的函数体所述第一提示词模板包括至少一个短语以及与所述至少一个短语相对应的基于响应提示信息以及各所述任务描述信息，确定每个所述待3基于所述任务描述信息、所述响应提示信息中的任务引导信息以待使用提问信息确定模块，用于基于包括数据标识的评估任务描述信息确定模块，用于确定与所述待使用提问信息相对待执行程序确定模块，用于基于各所述任务描述信息，确定与每个所述待评估结果确定模块，用于若所述待执行程序中的程序为函数参数，则从接口工具库构建模块，所述接口工具库构建模块包括操作指待配置接口工具确定单元，用于分析所述至少一个操作指令，确定待选择接口确定单元，用于根据各所述关联信息，生成与各所述待配所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1_5中任一项所述的8.一种计算机可读存储介质，其特征在于，所述令，所述计算机指令用于使处理器执行时实现权利要求1_5中任一项所述的基于大模型的4[0001]本发明涉及计算机处理技术领域，尤其涉及一种基于大模型的数据资产评估方[0007]确定与所述待使用提问信息相对应的至少一个待处理任务以及与各所述待处理理任务以及与各所述待处理任务相对应的任[0014]评估结果确定模块，用于依据各所述待执行程序的执行得到与所述数据标识相对应的待评估数据的5[0021]应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特[0023]图1是根据本发明实施例一提供的一种基于大模型的数据资产评估方法的流程[0025]图3是根据本发明实施例二提供的一种基于大模型的数据资产评估装置的结构示[0026]图4是实现本发明实施例的基于大模型的数据资产评估方法的电子设备的结构示6员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范[0030]图1是根据本发明实施例一提供的一种基于大模型的数据资产评估方法的流程使用提问信息为“使用数据集编号001，执行数据精度分析，将数据精度评分绘制成柱状获取包括数据标识的评估提问信息；依据预先确定的第一提示词模板以及评估提问信息，7[0038]本实施例所提供的技术方案通过在第一提示词模板中设绘图指标可以采用"依次获取","循环获取"等词。描述信息示例可以是指任务描述信息的8选择数据列等任务，data_processing_task：用于提取和处理关于数据质量检测等任务，data_analysis_task：用于分析数据资产成本、未来收益等任务，data_visualization_(即任务说明)时涉及多个指标可以采用"依次获取","循环获取"等词，时序数据一般绘制据精度分析。大模型可以是大语言模型，包括GPT_3(GenerativePre_trainedTransformer3)、GPT_4、BERT(BidirectionalEncoderRepresentationsfrom以利用大模型的自然语言处理能力，能够更好的理解和执行评估用户提出的自然语言指[0046]'task1＝{"data_selection_task":"选择数据源,确定数据集编号为001的数据[0048]task3＝{"data_processing_task":"选择数据列,选取需要进行精度分析的数据[0055]为了提高任务处理的准确性以及提高代码生成的规范性，在基于各任务描述信9使用之前函数输出的result作为参数输入,以###结尾；FunctionLibrary：{接口配置信[0063]step1＝{[0064]"arg1":["001"],[0065]"function1":"select_data_source_and_location",[0066]"output1":"result1",[0067]"description1":"Selectsthedatasourceanddeterminesthedata[0068]},step2＝{[0069]"arg1":["result1"],[0070]"function1":"load_data_to_dataframe",[0071]"output1":"result2",[0072]"description1":"LoadsdatafromaspecifieddatastoragelocationintoaPandasDataFra[0073]},step3＝{[0074]"arg1":["result2"],[0075]"function1":"select_columns",[0076]"output1":"result3",[0077]"description1":"Selectsspe[0078]},step4＝{[0079]"arg1":["result3"],[0080]"function1":"calculate_column_precision",[0081]"output1":"result4",[0082]"description1":"CalculatetheprecisionofeachcolumninaDataFrame."[0083]},step5＝{[0084]"arg1":["result4","bar","精度评分"],[0085]"function1":"plot_dataframe_and_table",[0086]"output1":"result5",[0087]"description1":"PlotaDataFrameasatableandaspecifiedtypeofgraph."的输出结果给到当前待处理任务的待执行程序，待处理任务的待执行程序才能继续执行，指任务需要的输入参数，这个参数在每个并行步骤中都不同；存储参数(如result_工具库中调取与函数参数相对应的目标接口，并行执行目标接口中的各函数进行任务处[0111]图3是根据本发明实施例二提供的一种基于大模型的数据资产评估装置的结构示待执行程序确定模块230和评估结果确定模[0133]本发明实施例所提供的基于大模型的数据资产评估装置可执行本发明任意实施[0135]图4是实现本发明实施例的基于大模型的数据资产评估方法的电子设备的结构示至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种如因特网的计算机网络和/或各种电信网络与其他设[0138]处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器[0141]用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合机器上执行且部分地在远程机器上执行或完全在远程机器或服