System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种设备运维知识更新方法,尤其涉及一种基于大模型的设备运维知识更新方法。
技术介绍
1、设备运维私域大模型的知识更新是为了使其保持与设备运维领域的最先发展同步,并能够提供准确、实用的解决方案和建议。因此,设备运维知识更新在设备运维私域大模型中具有重要的意义和价值。
2、传统的设备运维知识管理平台通常是基于知识图谱、语义网络等技术,通过人工或半自动的方式收集、整理和管理知识。优势在于知识的准确性和可控性较高,可以针对特定领域进行深度定制。缺点是构建和维护成本较高,对专业知识和人力资源的依赖性强,在知识更新方面,对大规模、动态变化的知识更是难以快速处理。
技术实现思路
1、为了解决上述技术所存在的不足之处,本专利技术提供了一种基于大模型的设备运维知识更新方法。
2、为了解决以上技术问题,本专利技术采用的技术方案是:一种基于大模型的设备运维知识更新方法,包括以下步骤:
3、s1、数据收集:收集的数据包括设备运维领域的文本类数据;
4、s2、数据预处理:对s1收集到的文本数据进行预处理;
5、s3、模型选择:选择llama2开源预训练模型作为基座大模型;
6、s4、模型预训练:使用收集和预处理后的数据来对基座大模型进行增量预训练;
7、s5、模型微调:对增量预训练好的模型,设计微调目标和微调用训练数据,并实施微调,进一步优化模型参数;
8、s6、模型评估:对微调后的模型进行评估;<
...【技术保护点】
1.一种基于大模型的设备运维知识更新方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的基于大模型的设备运维知识更新方法,其特征在于:S1中,收集的数据来源包括公开数据和内部数据;公开数据通过购买、下载或爬虫技术从网络上爬取;内部数据通过文件整理方式,或以API调用的方式从企业内部业务系统中获取。
3.根据权利要求2所述的基于大模型的设备运维知识更新方法,其特征在于:获得文本数据后,进行数据整合,形成统一的文本结构数据,并不断更新数据。
4.根据权利要求3所述的基于大模型的设备运维知识更新方法,其特征在于:S2中,数据预处理方式包括数据清洗、数据标准化、数据划分处理;
5.根据权利要求1所述的基于大模型的设备运维知识更新方法,其特征在于:S4中,基座大模型的增量预训练过程为:
6.根据权利要求5所述的基于大模型的设备运维知识更新方法,其特征在于:S43中,词嵌入过程包括:
7.根据权利要求1所述的基于大模型的设备运维知识更新方法,其特征在于:S5中,模型微调目标是构建一个能够提供设备运维领域知识问答的自
8.根据权利要求7所述的基于大模型的设备运维知识更新方法,其特征在于:S5中,根据任务的标准文本结构,对设备运维知识数据进行梳理,组成设备问题描述和运维知识解答相呼应的文本结构,即微调数据集。
9.根据权利要求8所述的基于大模型的设备运维知识更新方法,其特征在于:模型微调过程为,先将微调数据做预处理,数据预处理方式包括数据清洗、数据标准化、数据划分为训练集和验证集;
...【技术特征摘要】
1.一种基于大模型的设备运维知识更新方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的基于大模型的设备运维知识更新方法,其特征在于:s1中,收集的数据来源包括公开数据和内部数据;公开数据通过购买、下载或爬虫技术从网络上爬取;内部数据通过文件整理方式,或以api调用的方式从企业内部业务系统中获取。
3.根据权利要求2所述的基于大模型的设备运维知识更新方法,其特征在于:获得文本数据后,进行数据整合,形成统一的文本结构数据,并不断更新数据。
4.根据权利要求3所述的基于大模型的设备运维知识更新方法,其特征在于:s2中,数据预处理方式包括数据清洗、数据标准化、数据划分处理;
5.根据权利要求1所述的基于大模型的设备运维知识更新方法,其特征在于:s4中,基座大模型的增量预...
【专利技术属性】
技术研发人员:张力翔,李郭敏,曾珍,
申请(专利权)人:未必然数据科技北京有限公司,
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。