【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体而言，涉及一种基于大语言模型的微服务开发教学方法、装置及电子设备。
技术介绍
1、目前，在微服务开发最佳实践的教学过程中，例如，金融机构中开发人员新员工培训场景，通常是提供一个开发需求，并给出对应的代码实现文件，列出一些关键代码的解释或者使用文档，采用单向、静态的教学模式，全程按照教师的角度编写教学方案，并通过ppt或者教学录屏的方式提供给学员学习，对于一些零基础或者基础很薄弱的学员，可能存在一些思路上的障碍，例如，教师认为是默认思路但学员还不了解，导致教学效率较低，教学效果不好，不利于提升学员对微服务开发的掌握程度和框架代码的理解能力。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种基于大语言模型的微服务开发教学方法、装置及电子设备，以至少解决现有技术中采用单向、静态的教学模式进行微服务开发教学，存在教学效率低的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种基于大语言模型的微服务开发教学方法，包括：接收目标对象终端发送的关于微服务框架的第一提问问题，其中，第一提问问题用于问询微服务框架的使用方式；通过目标模型识别第一提问问题的问题文本，并对问题文本进行词嵌入处理，得到第一提问问题对应的词向量，其中，目标模型是通过样本数据集对深度学习模型训练得到的；依据第一提问问题对应的词向量，确定目标提问问题，并依据目标提问问题确定第一提问问题对应的目标答案，其中，目标答案至少包括
3、进一步地，在接收目标对象终端发送的关于微服务框架的第一提问问题之前，该方法还包括：依据教学进度信息生成目标教学任务，并将目标教学任务发送至目标对象终端，其中，目标教学任务包括关于微服务框架的开发需求和开发步骤，目标教学任务用于使目标对象根据开发需求和开发步骤进行微服务开发实践；在目标对象对于开发步骤存在查询需求的情况下，通过目标对象终端生成第一提问问题。
4、进一步地，依据第一提问问题对应的词向量，确定目标提问问题，包括：计算第一提问问题对应的词向量与目标数据库中的每个问题对应的词向量之间的相似度，得到多个计算结果；从多个计算结果中确定相似度最大的词向量对应的问题，并将相似度最大的词向量对应的问题作为目标提问问题。
5、进一步地，依据目标提问问题确定第一提问问题对应的目标答案，包括：从目标数据库中获取目标提问问题对应的标准答案，并将标准答案作为目标答案。
6、进一步地，在将目标答案返回目标对象终端之后，该方法还包括：接收目标对象终端发送的关于目标答案中的目标知识点的第二提问问题，并通过目标模型计算第一提问问题与第二提问问题之间的相关度，得到相关度数值；若相关度数值大于或等于预设阈值，则对第一提问问题和第二提问问题进行组合，生成第三提问问题，并确定第三提问问题对应的答案，将第三提问问题对应的答案返回目标对象终端。
7、进一步地，通过以下步骤生成目标模型：获取样本数据集，并将样本数据集分为训练集和测试集，其中，样本数据集包括微服务开发实践案例的案例文本数据集、样本提问问题以及真实标签，真实标签用于标识样本提问问题对应的案例文本数据；依据训练集和测试集对深度学习模型进行训练和优化，得到目标模型。
8、进一步地，依据训练集和测试集对深度学习模型进行训练和优化，得到目标模型，包括：将训练集中的训练样本提问问题输入深度学习模型，输出训练样本提问问题对应的预测案例文本数据；依据真实标签、预测案例文本数据以及测试集，对深度学习模型进行迭代训练，直至深度学习模型的损失函数的损失值满足预设条件，得到目标模型。
9、根据本专利技术实施例的另一方面，还提供了一种基于大语言模型的微服务开发教学装置，包括：接收模块，用于接收目标对象终端发送的关于微服务框架的第一提问问题，其中，第一提问问题用于问询微服务框架的使用方式；处理模块，用于通过目标模型识别第一提问问题的问题文本，并对问题文本进行词嵌入处理，得到第一提问问题对应的词向量，其中，目标模型是通过样本数据集对深度学习模型训练得到的；确定模块，用于依据第一提问问题对应的词向量，确定目标提问问题，并依据目标提问问题确定第一提问问题对应的目标答案，其中，目标答案至少包括微服务框架的最佳实践；发送模块，用于将目标答案返回目标对象终端。
10、根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的基于大语言模型的微服务开发教学方法。
11、根据本专利技术实施例的另一方面，还提供了一种电子设备，该电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的基于大语言模型的微服务开发教学方法。
12、在本专利技术实施例中，采用基于大语言模型进行微服务开发教学的方式，首先接收目标对象终端发送的关于微服务框架的第一提问问题，然后通过目标模型识别第一提问问题的问题文本，并对问题文本进行词嵌入处理，得到第一提问问题对应的词向量，然后依据第一提问问题对应的词向量，确定目标提问问题，并依据目标提问问题确定第一提问问题对应的目标答案，然后将目标答案返回目标对象终端。其中，第一提问问题用于问询微服务框架的使用方式，目标模型是通过样本数据集对深度学习模型训练得到的，目标答案至少包括微服务框架的最佳实践。
13、在上述过程中，将大语言模型引入微服务开发最佳实践教学过程，赋予微服务开发最佳实践教学交互化、定制化能力，通过接收目标对象终端发送的问询微服务框架的使用方式的第一提问问题，可以确定出微服务框架的最佳实践作为回答该问题的目标答案，将目标答案返回目标对象终端，有效地帮助学员提升对微服务框架的掌握程度和框架代码的理解能力，从而提高了教学效率。
14、由此可见，通过本专利技术的技术方案，达到了帮助学员提升对微服务框架的掌握程度和框架代码的理解能力的目的，从而实现了提高教学效率的技术效果，进而解决了现有技术中采用单向、静态的教学模式进行微服务开发教学，存在教学效率低的技术问题。
本文档来自技高网...【技术保护点】
1.一种基于大语言模型的微服务开发教学方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在接收目标对象终端发送的关于微服务框架的第一提问问题之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，依据所述第一提问问题对应的词向量，确定目标提问问题，包括：
4.根据权利要求3所述的方法，其特征在于，依据所述目标提问问题确定所述第一提问问题对应的目标答案，包括：
5.根据权利要求1所述的方法，其特征在于，在将所述目标答案返回所述目标对象终端之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，通过以下步骤生成所述目标模型：
7.根据权利要求6所述的方法，其特征在于，依据所述训练集和所述测试集对所述深度学习模型进行训练和优化，得到所述目标模型，包括：
8.一种基于大语言模型的微服务开发教学装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任
10.一种电子设备，其特征在于，所述电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至7任一项中所述的基于大语言模型的微服务开发教学方法。
...【技术特征摘要】
1.一种基于大语言模型的微服务开发教学方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在接收目标对象终端发送的关于微服务框架的第一提问问题之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，依据所述第一提问问题对应的词向量，确定目标提问问题，包括：
4.根据权利要求3所述的方法，其特征在于，依据所述目标提问问题确定所述第一提问问题对应的目标答案，包括：
5.根据权利要求1所述的方法，其特征在于，在将所述目标答案返回所述目标对象终端之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，通过以下步骤生成所述目标模型：
7.根据权利要求6所述的方法，其特征...
【专利技术属性】
技术研发人员：成诺，桑银邦，魏鑫，高楚皓，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。