CN119538921A 一种非规范文档的切片处理方法 (浙江孚临科技有限公司)_第1页
CN119538921A 一种非规范文档的切片处理方法 (浙江孚临科技有限公司)_第2页
CN119538921A 一种非规范文档的切片处理方法 (浙江孚临科技有限公司)_第3页
CN119538921A 一种非规范文档的切片处理方法 (浙江孚临科技有限公司)_第4页
CN119538921A 一种非规范文档的切片处理方法 (浙江孚临科技有限公司)_第5页
已阅读5页,还剩10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

一种非规范文档的切片处理方法,包括以下步二词向量确定子段落和章节名称之间的关联程2S1:将文档中单个章节对应的段落标记为子段落,基于TS3:将子段落和章节名称之间的关联程度小于将所述段落排序中首位的待定段落作为目标段落,获取所述目标段确定所述文档切片中子段落的文本摘要c,对所述文本摘要c进行分词得到第三关键获取用户的检索文本,对所述检索文本进行分词得到第四关键词,将的词向量记为第四词向量,基于第三词向量和第四词向量确定所述检索文本和文本摘要c计算第二向量,Dnb表示第b个所计算所述第一向量和第二向量间的余弦相似度,将其作为3关联程度相同的待定段落按照待定段落在文档中出现的顺序进4一词向量和第二词向量确定子段落和章节名称之间的关[0012]将所述段落排序中首位的待定段落作为目标段落,获取所述目标段落的文本摘56一词向量和第二词向量确定子段落和章节名称之间的关[0032]将所述段落排序中首位的待定段落作为目标段落,获取所述目标段落的文本摘7章节作为一个独立的文档切片,使得每个切片的长度适合大语言模型的上下文窗口限制,8

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