文献知网节
计算机应用研究. 2024, 41 (10) 北大核心CSCD

大语言模型领域意图的精准性增强方法

任元凯谢振平

xiezp@jiangnan.edu.cn

  江南大学人工智能与计算机学院    江南大学人机融合软件与媒体技术江苏省高校重点实验室  

摘要：目前通用大语言模型（如GPT）在专业领域问答应用中存在不稳定性和不真实性。针对这一现象，提出了一种在通用大语言模型上耦合领域知识的意图识别精准性增强方法（EIRDK）,其中引入了三个具体策略：a)通过领域知识库对GPT输出结果进行打分过滤；b)训练领域知识词向量模型优化提示语句规范性；c)利用GPT的反馈结果提升领域词向量模型和GPT模型的一致性。实验分析显示，相比于标准的GPT模型，新方法在私有数据集上可以提升25%的意图理解准确性，在CMID数据集上可以提升12%的意图理解准确性。实验结果证明了EIRDK方法的有效性。 
关键词：

大语言模型知识问答; 意图精准性增强; 领域知识集成; GPT反馈学习;

  • DOI：

    10.19734/j.issn.1001-3695.2024.02.0022

  • 专辑：

    电子技术及信息科学

  • 专题：

    计算机软件及计算机应用; 自动化技术

  • 分类号：

    TP391.1;TP18

下载手机APP用APP扫此码同步阅读该篇文章

温馨提示：阅读CAJ格式原文，请使用CAJ浏览器。

下载：755 页码：2893-2899 页数：7 大小：2012K

相关推荐
  • 相似文献
  • 读者推荐
  • 相关法规
  • 关联作者