大模型训练方法、系统、终端及存储介质技术方案

技术编号:40540542 阅读:22 留言:0更新日期:2024-03-05 18:56
本发明专利技术提供了一种大模型训练方法、系统、终端及存储介质,该方法包括:获取任务描述和上下文示例,并根据上下文示例确定医嘱样本;将各医嘱样本输入医嘱分类大模型,并根据医嘱分类大模型分别提取各医嘱样本的关键字样本和短语样本;控制医嘱分类大模型根据各医嘱样本、关键字样本和短语样本确定分类推理过程;控制医嘱分类大模型根据各医嘱样本、关键字样本和分类推理过程确定目标医嘱类别,并根据目标医嘱类别和各医嘱样本的样本标签确定模型损失;根据模型损失对医嘱分类大模型进行参数更新,直至医嘱分类大模型收敛。本发明专利技术基于分类推理过程使得训练后的医嘱分类大模型能有效理解医嘱样本表达的含义,提高了训练后医嘱分类大模型的性能。

【技术实现步骤摘要】

本专利技术涉及智慧医疗,尤其涉及一种大模型训练方法、系统、终端及存储介质


技术介绍

1、医嘱是医生根据病人的病情以及治疗需要,在病人的用药、化验、饮食等方面做出的指示,即医生在医疗活动中下达的医学指令。通常情况下,每项医嘱仅包括一个内容,即每项医嘱仅对应于一种执行方式下的一种具体实施方式,并且其中注明了此项医嘱的下达时间以及执行时间。

2、现有的医疗数据管理过程中,一般基于人工标注数据对医嘱分类大模型进行训练,使用训练后的医嘱分类大模型进行医嘱分类,基于人工标注的方式进行医嘱分类大模型训练时,医嘱分类大模型不能有效理解医嘱样本表达的含义,使得训练后的医嘱分类大模型性能较差,降低了医嘱分类的准确性。


技术实现思路

1、本专利技术实施例的目的在于提供一种大模型训练方法、系统、终端及存储介质,旨在解决现有的医嘱分类大模型性能较差的问题。

2、本专利技术实施例是这样实现的,一种大模型训练方法,所述方法包括:

3、获取任务描述和上下文示例,并根据所述上下文示例确定医嘱样本;

本文档来自技高网...

【技术保护点】

1.一种大模型训练方法,其特征在于,所述方法包括:

2.如权利要求1所述的大模型训练方法,其特征在于,控制所述医嘱分类大模型根据各医嘱样本、所述关键字样本和所述短语样本确定分类推理过程,包括:

3.如权利要求2所述的大模型训练方法,其特征在于,根据所述医嘱语义、所述关键字语义和所述短语语义确定推理决策,包括:

4.如权利要求1所述的大模型训练方法,其特征在于,根据所述上下文示例确定医嘱样本,包括:

5.如权利要求4所述的大模型训练方法,其特征在于,根据所述欧式距离对所述医嘱编码集合中的各医嘱进行升序排列,得到医嘱排列表之后,还包括:

...

【技术特征摘要】

1.一种大模型训练方法,其特征在于,所述方法包括:

2.如权利要求1所述的大模型训练方法,其特征在于,控制所述医嘱分类大模型根据各医嘱样本、所述关键字样本和所述短语样本确定分类推理过程,包括:

3.如权利要求2所述的大模型训练方法,其特征在于,根据所述医嘱语义、所述关键字语义和所述短语语义确定推理决策,包括:

4.如权利要求1所述的大模型训练方法,其特征在于,根据所述上下文示例确定医嘱样本,包括:

5.如权利要求4所述的大模型训练方法,其特征在于,根据所述欧式距离对所述医嘱编码集合中的各医嘱进行升序排列,得到医嘱排列表之后,还包括:

6.如...

【专利技术属性】
技术研发人员:喇全亮史亚飞谢冠超朱洪泽
申请(专利权)人:云知声信阳数字科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1