语义大模型内容生成方法、装置、电子设备和存储介质制造方法及图纸

本申请提供了一种语义大模型内容生成方法、装置、电子设备和存储介质，应用于计算机技术领域。所述方法包括对预设电力领域知识库或预设知识图谱的文本进行分割，得到各子文本；对所述子文本进行转化，得到对应的第一数值向量；对提问文本进行转化，得到对应的第二数值向量；根据所述第二数值向量，在各所述第一数值向量中检索出目标数值向量；根据所述目标数值向量对应的子文本，得到目标上下文；将所述提问文本、目标上下文发送至预设语义大模型，生成目标内容。提高对内容生成的准确性。

【技术实现步骤摘要】

本专利技术涉及计算机，尤其涉及一种语义大模型内容生成方法、装置、电子设备和存储介质。

技术介绍

1、语义大模型是一种基于深度学习的人工智能模型，通过对海量数据的学习和训练，可以生成具有语义连贯性和逻辑性的连续文本。语义大模型的内容生成方法可以应用于自然语言处理任务中，通过输入一段原始文本，模型可以生成符合语法和语义规则的连贯文本，提高文本处理的效率和准确性，为人们的日常工作和学习提供便利；语义大模型通过学习大量文本数据，可以生成更加多样化和灵活的文本内容，满足用户的个性化需求；语义大模型可以基于用户输入的问题，生成符合逻辑和语义的回答，实现更加自然和流畅的对话体验。它能够理解用户的意图并生成相应的回复，有效提升用户体验，拓展了人机交互的可能性；在文学创作、音乐作曲等艺术领域，模型可以根据输入的关键词或主题，生成富有创造性的作品。这为人们的想象力和创作力提供了新的助力，同时也推动了人机协同创作的发展。因此，语义大模型内容生成具有重要意义。

2、目前，现有的语义大模型主要是基于通用领域数据训练的大模型，对于垂直领域的事实性知识推理能力有待提高，且语本文档来自技高网...

【技术保护点】

1.一种语义大模型内容生成方法，其特征在于，包括：

2.根据权利要求1所述的语义大模型内容生成方法，其特征在于，通过使用递归字符文本拆分器对预设电力领域知识库或预设知识图谱的文本进行分割。

3.根据权利要求1所述的语义大模型内容生成方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的语义大模型内容生成方法，其特征在于，所述根据所述第二数值向量，在各所述第一数值向量中检索出目标数值向量，包括：

5.根据权利要求1所述的语义大模型内容生成方法，其特征在于，通过使用Sentence-BERT模型对提问文本进行转化。p>

6.根据权...

【技术特征摘要】

1.一种语义大模型内容生成方法，其特征在于，包括：

2.根据权利要求1所述的语义大模型内容生成方法，其特征在于，通过使用递归字符文本拆分器对预设电力领域知识库或预设知识图谱的文本进行分割。

3.根据权利要求1所述的语义大模型内容生成方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的语义大模型内容生成方法，其特征在于，所述根据所述第二数值向量，在各所述第一数值向量中检索出目标数值向量，包括：

5.根据权利要求1所述的语义大模型内容生成方法，其特征在于，通过使用sentence-b...

【专利技术属性】
技术研发人员：徐会芳，仝杰，张英强，徐建南，梁攀飞，马震媛，何可嘉，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：