-
公开(公告)号：CN118606348B
公开(公告)日：2024-11-08
申请号：CN202411060050.9
申请日：2024-08-05
申请人： 语仓科技(北京)有限公司
IPC分类号： G06F16/242 , G06N5/04 , G06N5/045 , G06F16/2452
摘要： 本申请公开了一种基于大语言模型和数据库的智能问答方法、系统及设备，涉及自然语言处理领域，该方法包括：将数据库中存储的信息转换为文本字符串，并转换为向量表示，得到多个知识向量；将用户问题转换为向量表示，得到问题向量；计算问题向量与每个知识向量的相似度，确定多个相关知识向量；根据各相关知识向量对应的文本字符串及用户问题构建第一提示词，并基于第一大语言模型确定第一回答；根据用户问题及文本字符串集合构建第二提示词，并基于第二大语言模型将用户问题转换为结构化查询语言语句；在数据库中执行结构化查询语言语句，得到第二回答；根据第一回答及第二回答确定最终回答，本申请提高了智能问答过程中生成回答的精度。
-
公开(公告)号：CN118606348A
公开(公告)日：2024-09-06
申请号：CN202411060050.9
申请日：2024-08-05
申请人： 语仓科技(北京)有限公司
IPC分类号： G06F16/242 , G06N5/04 , G06N5/045 , G06F16/2452
摘要： 本申请公开了一种基于大语言模型和数据库的智能问答方法、系统及设备，涉及自然语言处理领域，该方法包括：将数据库中存储的信息转换为文本字符串，并转换为向量表示，得到多个知识向量；将用户问题转换为向量表示，得到问题向量；计算问题向量与每个知识向量的相似度，确定多个相关知识向量；根据各相关知识向量对应的文本字符串及用户问题构建第一提示词，并基于第一大语言模型确定第一回答；根据用户问题及文本字符串集合构建第二提示词，并基于第二大语言模型将用户问题转换为结构化查询语言语句；在数据库中执行结构化查询语言语句，得到第二回答；根据第一回答及第二回答确定最终回答，本申请提高了智能问答过程中生成回答的精度。
-
公开(公告)号：CN118691231A
公开(公告)日：2024-09-24
申请号：CN202411161932.4
申请日：2024-08-23
申请人： 语仓科技(北京)有限公司
摘要： 本申请公开了一种基于多智能体和人机协同的工作流运行方法、设备及介质，涉及人工智能领域，该方法包括：将业务场景拆分为工作流任务，并构建工作流模型；工作流模型为有向有环图；基于工作流模型初始化人机协同多智能体系统；根据用户输入的业务请求确定工作流类型，并根据工作流类型确定开始智能体节点；基于工作流模型及人机协同多智能体系统，从开始智能体节点开始，在各工作节点间流转执行工作流；在工作流执行过程中，基于人机协同边进行人机协同，基于审核边及审核智能体节点进行业务审核，并更新全局状态，直至全局状态为全局终止状态时结束流程。本申请提高了工作流的执行效率、执行精度和用户体验。
-
公开(公告)号：CN116992005B
公开(公告)日：2023-12-01
申请号：CN202311236134.9
申请日：2023-09-25
申请人： 语仓科技(北京)有限公司
IPC分类号： G06F16/332 , G06F16/33 , G06F16/36 , G06N5/022 , G06N3/0455 , G06N3/09 , G06F18/22 , G06F18/27
摘要： 本发明提供了一种基于大模型及本地知识库的智能对话方法、系统及设备，属于人工智能领域，方法包括：获取本地知识库及用户问题；采用预先训练好的大模型中的编码器分别对用户问题及本地知识库中的问题编码，得到对应的句向量；计算用户问题句向量与本地知识库中问题句向量的语义相似度；若用户问题句向量与本地知识库中任一问答数据的问题句向量的语义相似度大于或等于设定阈值，则将问答数据的答案作为用户问题的答案；否则采用预先训练好的密集段落检索模型计算用户问题与本地知识库中各文章段落的相似性，并确定多个候选文章段落；根据多个候选文章段落及用户问题，采用预先训练好的大模型确定用户问题的答案。本发明提高了智能对话的可靠性。
-
公开(公告)号：CN117290491A
公开(公告)日：2023-12-26
申请号：CN202311585226.8
申请日：2023-11-27
申请人： 语仓科技(北京)有限公司
IPC分类号： G06F16/332 , G06F16/338 , G06F40/30 , G06F40/194 , G06N3/0455 , G06N3/084
摘要： 本发明提供了一种基于聚合检索增强的大模型多轮对话方法、系统及设备，属于人工智能领域，方法包括：根据每轮对话中用户输入的问题内容确定多轮对话输入序列；采用预先训练好的双塔模型分别对每轮对话中用户输入的问题内容以及知识库中的文档内容进行稠密向量编码，得到各问题内容的查询向量及各文档内容的文档向量；根据多轮对话输入序列，对多个查询向量进行注意力加权，得到聚合查询向量；分别计算各文档向量与聚合查询向量的相似度，并根据相似度确定多个相关文档内容；根据多个相关文档内容，采用预先训练好的大模型确定本轮对话中用户输入的问题内容的答案。本发明解决了多轮对话过程中信息遗漏的问题，提高了输出答案的准确度。
-
公开(公告)号：CN116992005A
公开(公告)日：2023-11-03
申请号：CN202311236134.9
申请日：2023-09-25
申请人： 语仓科技(北京)有限公司
IPC分类号： G06F16/332 , G06F16/33 , G06F16/36 , G06N5/022 , G06N3/0455 , G06N3/09 , G06F18/22 , G06F18/27
摘要： 本发明提供了一种基于大模型及本地知识库的智能对话方法、系统及设备，属于人工智能领域，方法包括：获取本地知识库及用户问题；采用预先训练好的大模型中的编码器分别对用户问题及本地知识库中的问题编码，得到对应的句向量；计算用户问题句向量与本地知识库中问题句向量的语义相似度；若用户问题句向量与本地知识库中任一问答数据的问题句向量的语义相似度大于或等于设定阈值，则将问答数据的答案作为用户问题的答案；否则采用预先训练好的密集段落检索模型计算用户问题与本地知识库中各文章段落的相似性，并确定多个候选文章段落；根据多个候选文章段落及用户问题，采用预先训练好的大模型确定用户问题的答案。本发明提高了智能对话的可靠性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.035 秒)
