【技术实现步骤摘要】
本专利技术涉及人工智能自然语言处理，具体地说是一种基于大语言模型的供需智慧撮合平台。
技术介绍
1、大语言模型(large language models)是近年来人工智能领域研究的热点之一，它们能够理解和生成人类语言，并在各种自然语言处理任务中表现出色。大语言模型通过对大量文本数据进行训练，学习到丰富的语言知识和语言规律，从而具备了强大的语言处理能力。
2、大语言模型是人工智能领域的重要发展方向之一，它们在各个领域都有广泛的应用前景。未来随着技术的不断进步和应用场景的不断扩展，大语言模型将会发挥更加重要的作用。
3、已有的撮合交易平台往往基于人工打标签方式，将用户-商品(供需信息)的对应标签送入大数据引擎进行匹配。供需方的标签系统严格依赖于人工介入，往往需要专家系统打标，抑或是用户自行输入，繁琐且效率低下。
4、故如何利用大语言模型实现高效高质量的撮合成交，进而提高交易转化率是目前亟待解决的技术问题。
技术实现思路
1、本专利技术的技术任务是提供一种基于大语言模型的供需智慧撮合平台，来解决如何利用大语言模型实现高效高质量的撮合成交，进而提高交易转化率的问题。
2、本专利技术的技术任务是按以下方式实现的，一种基于大语言模型的供需智慧撮合平台，该平台包括供需管理b端、运营o端和信息流c端，供需双方通过供需管理b端维护供需信息，维护供需信息包括发布供需信息和订阅供需信息；在发布供需信息时，通过大语言模型自动生成文本摘要，完成命名实体实体以
3、作为优选，大语言模型采用清华大学开源大语言模型chatglm2-6b，完成自然语言处理任务。
4、更优地，信息流c端的检索使用elasticsearch分布式搜索系统完成供需信息高效检索。
5、更优地，供需管理b端和运营o端均是基于springboot构建，使用redis、rocketmq等中间件。
6、更优地，供需管理b端发布的供需信息包括标题、简介、详情、分类及定制化属性。
7、更优地，用户通过供需管理b端键入供需信息详情后，通过大语言模型自动生成文本摘要、命名实体识别及关键字抽取，并通过websocket延时通知得到生成结果；供需信息通过消息队列发送到大数据spark离线计算，匹配tag标签，完成匹配撮合；其中，大数据spark离线计算用于标签匹配撮合。
8、更优地，用户通过信息流c端获取供需信息，供需双方通过elasticsearch分布式搜索系统快速检索发布信息，检索发布信息包括信息标题、简介、详情、分类、属性检索，支持综合、价格、时间排序，并且获取大数据spark离线计算推荐结果。
9、更优地，运营o端接收来自供需管理b端的供需信息以及人工智能模型给与的风控建议、文本分类及安全内容审查结果，用于辅助人工运营；
10、其中，运营o端采用自然语言处理模型完成辅助人工运营。
11、本专利技术的基于大语言模型的供需智慧撮合平台具有以下优点：
12、(一)本专利技术利用先进技术尽最大可能提高撮合成交转化率，通过大语言模型，可以构建高效准确的标签系统，促进平台智能匹配撮合，促进供应方、需求发、平台良性发展；
13、(二)本专利技术为大语言模型输入自然语言处理多任务结果，相比较常规语言模型可输出更准确的结果，构建高效高质量的大数据引擎智慧撮合能力，为供应方、需求方以及平台自身实现共赢价值；
14、(三)本专利技术工智能自然语言处理技术，如文本摘要、命名实体识别、关键字抽取、文本分类等，通过大语言模型(large language models，llm)输出任务结果，供大数据技术匹配和撮合供需信息，尽最大可能提高成交转换率；
15、(四)本专利技术通过大语言模型将供需信息文字段落提取关键信息，生成简短而全面的摘要，方便用户快速了解主要内容，提高信息获取效率和准确性；
16、(五)本专利技术的供需信息通过大语言模型可执行命名实体识别、关键字抽取等自然语言处理任务，从而完成标签匹配，供大数据分析匹配供需关系；文本分类技术应用于运营端安全合规审查，提高平台信息质量，营造良好的秩序；
17、(六)本专利技术利用自然语言处理多任务，包括自动文本摘要、命名实体识别、关键字提取、文本分类等，将供需方的需求和供给的文字描述通过大语言模型得到任务输出，随后通过大数据智能匹配和撮合技术，提高匹配效率和服务质量；
18、(七)本专利技术的供需管理b端为需求方和供应方入驻平台，双方可在此发布订阅感兴趣供应信息和需求信息；信息流c段资讯端面向广大用户提供供需信息资讯，搜索筛选感兴趣信息流；运营o端为供应方和需求方信息的人工审核、安全合规审查，以大语言模型技术为主、运营管控为辅为平台提供高效高质量的撮合成交，提高交易转化率。
本文档来自技高网...【技术保护点】
1.一种基于大语言模型的供需智慧撮合平台，其特征在于，该平台包括供需管理B端、运营O端和信息流C端。供需双方通过供需管理B端维护供需信息，维护供需信息包括发布供需信息和订阅供需信息；在发布供需信息时，通过大语言模型自动生成文本摘要，完成命名实体实体以及生成标签Tag，用于后续供需撮合匹配。运营O端将供需管理B端接收到的供需信息通过大语言模型执行文本分类，完成风控、安全及内容审核的任务。用户在信息流C端浏览检索相关信息，并给出高相关度供需信息流展示。
2.根据权利要求1所述的基于大语言模型的供需智慧撮合平台，其特征在于，大语言模型采用开源大语言模型ChatGLM2-6B，完成自然语言处理任务。
3.根据权利要求1或2所述的基于大语言模型的供需智慧撮合平台，其特征在于，信息流C端的检索使用ElasticSearch分布式搜索系统完成供需信息高效检索。
4.根据权利要求3所述的基于大语言模型的供需智慧撮合平台，其特征在于，供需管理B端和运营O端均是基于SpringBoot构建，使用Redis中间件及RocketMQ中间件。
5.根据权利要
6.根据权利要求5所述的基于大语言模型的供需智慧撮合平台，其特征在于，用户通过供需管理B端键入供需信息详情后，通过大语言模型自动生成文本摘要、命名实体识别及关键字抽取，并通过WebSocket延时通知得到生成结果；供需信息通过消息队列发送到大数据Spark离线计算，匹配Tag标签，完成匹配撮合；其中，大数据Spark离线计算用于标签匹配撮合。
7.根据权利要求6所述的基于大语言模型的供需智慧撮合平台，其特征在于，用户通过信息流C端获取供需信息，供需双方通过ElasticSearch分布式搜索系统快速检索发布信息，检索发布信息包括信息标题、简介、详情、分类、属性检索，支持综合、价格、时间排序，并且获取大数据Spark离线计算推荐结果。
8.根据权利要求7所述的基于大语言模型的供需智慧撮合平台，其特征在于，运营O端接收来自供需管理B端的供需信息以及人工智能模型给与的风控建议、文本分类及安全内容审查结果，用于辅助人工运营；
...【技术特征摘要】
1.一种基于大语言模型的供需智慧撮合平台，其特征在于，该平台包括供需管理b端、运营o端和信息流c端。供需双方通过供需管理b端维护供需信息，维护供需信息包括发布供需信息和订阅供需信息；在发布供需信息时，通过大语言模型自动生成文本摘要，完成命名实体实体以及生成标签tag，用于后续供需撮合匹配。运营o端将供需管理b端接收到的供需信息通过大语言模型执行文本分类，完成风控、安全及内容审核的任务。用户在信息流c端浏览检索相关信息，并给出高相关度供需信息流展示。
2.根据权利要求1所述的基于大语言模型的供需智慧撮合平台，其特征在于，大语言模型采用开源大语言模型chatglm2-6b，完成自然语言处理任务。
3.根据权利要求1或2所述的基于大语言模型的供需智慧撮合平台，其特征在于，信息流c端的检索使用elasticsearch分布式搜索系统完成供需信息高效检索。
4.根据权利要求3所述的基于大语言模型的供需智慧撮合平台，其特征在于，供需管理b端和运营o端均是基于springboot构建，使用redis中间件及rocketmq中间件。
5.根据权利...
【专利技术属性】
技术研发人员：李洋，周文豪，赵策，胡振升，
申请(专利权)人：浪潮海链易贸山东信息科技有限公司，
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。