CN119537561A 一种基于知识图谱的大模型回答效果评估方法及系统 (神州医疗科技股份有限公司)_第1页
CN119537561A 一种基于知识图谱的大模型回答效果评估方法及系统 (神州医疗科技股份有限公司)_第2页
CN119537561A 一种基于知识图谱的大模型回答效果评估方法及系统 (神州医疗科技股份有限公司)_第3页
CN119537561A 一种基于知识图谱的大模型回答效果评估方法及系统 (神州医疗科技股份有限公司)_第4页
CN119537561A 一种基于知识图谱的大模型回答效果评估方法及系统 (神州医疗科技股份有限公司)_第5页
已阅读5页,还剩22页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于知识图谱的大模型回答效果评估本发明公开了一种基于知识图谱的大模型回答效果评估方法及系统,涉及大语言模型领行筛选;使用筛选后的关键词属性构建上下文2通过所述关键词节点提取关键词属性;根据每个关键词节点的关键所述文本处理包括对文本的格式、地址名称和缩写词汇其中一种或多所述向量化处理包括通过embedding权重矩阵与问句的各字符映射的id进行矩阵相对每个滑动窗口进行最大池化获取特定滤波将每个关键词最后维度上的所述关键词属性的最大;;3是包含i行i列的顶点的度矩阵;是顶点ij的图的邻接矩阵。所述根据每个关键词节点的关键词属性的注意力影响分数,对各所述关键词属性进行筛;;zron表示归一化后每个所述关键词属性的注意力影响分数;z表示第i个所述;使用softmax函数计算不同分类结果的概率,以得到最终的多组关键词头节点和关键所述属性评测包含重复性检测和异常字符检测中的任意一项或两项;所述概念评测为检测实体的关键词尾节点是否为所述关系评测为关键词头节点同一关系的关键词尾节点是否唯一进所述linear层计算的结果输入所述多头矩阵计算层后,经过全连接层进立的二分类判断,使用softmax函数将结果归一化后,得到最终的关系是否成立的判断结4将确定的一致性评测结果和人口审核结果,通过http接口形式返神经网络层,通过所述关键词节点提取关键词属性;知识图谱生成模块,利用所述关键词提取模型提取的多组点为实体,每组关键词头节点和关键词尾节点的分类结果为实体关系生成关键词知识图5[0002]随着人工智能技术的飞速发展,基于大模型的智能问答系统已经广泛应用于医[0003]本发明所要解决的技术问题是如何有效利用知识图谱对大模型回答效果进行客关键词头节点和关键词尾节点的分类结果为实体关系生成[0016]上述向量化处理包括通过embedding权重矩阵与问句的各字符映射的id进行矩阵6[0032]其中,pt)表示经过卷积后的关键词节点在第k层的特征向量;D是顶点的度矩角线为1,其他为0的矩阵;Da是包含i行[0037]将每个上述关键词属性的自注意力得分经过归一化得到注意力影响分数,表示7idx[0044]使用softmax函数计算不同分类结果的概率,以得到最终的多组关键词头节点和[0050]定义推理一致性评测模型的结构依次包括linear层、多头矩阵计算层和全连接8[0080]上述向量化处理包括通过embedding权重矩阵与问句的各字符映射的id进行矩阵9[0096]其中,pt)表示经过卷积后的关键词节点在第k层的特征向量;D是顶点的度矩角线为1,其他为0的矩阵;Da是包含i行[0101]将每个上述关键词属性的自注意力得分经过归一化得到注意力影响分数,表示;[0108]使用softmax函数计算不同分类结果的概率,以得到最终的多组关键词头节点和[0114]定义推理一致性评测模型的结构依次包括linear层、多头矩阵计算层和全连接收到传入的api请求后开始调用起评测系统对当前模量作为输入数据的embedding矩阵表示,向量维度为256维,原始的id映射数据经过[0131]C=tanh(w*xirh-1+b);[0134]ci=[C,C2,...,C,..,cn-hr1[0140]z=[G…,l;[0142]z_gated=sigmo[0143]之后将经过sigmoid激活函数激活的z_gated和z进行矩阵运算,得到该模型层的[0144]Z=z*z_gated匹配实体名的方法来判断是否有重复的实体,这点可以确保每个类型下面的实体唯一性,;[0183]最终计算的PP(S)就是该实体在当前知识图谱中成词的概率的相反数,PP(S)越下面的所有的实体都经过判断后,如果对应的实体类型下面出现了多个名称不同的关系,[

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论