【技术实现步骤摘要】
本专利技术涉及人工智能和审计学交叉领域，尤其涉及一种针对医院审计场景的基于大语言模型的智能审计系统。
技术介绍
1、在政府审计包含的大量业务应用中，审计机关对公立医院的审计业务非常复杂，其原因在于医院积累的历史诊疗记录、药品耗材信息等数据体量巨大、包含的文本数据丰富、且文本理解难度高。同时，医院审计对于重复收费、不合理诊疗、分解住院等问题探查的规则多以自然语言来描述。审计人员在实施医院审计项目时，在数据处理、构建有效分析模型等方面耗时耗力、效率低下。
2、目前，大语言模型技术已较为成熟，且应用领域广泛，可以有效完成复杂任务的意图识别和执行，如何发挥大语言模型技术的潜能，理解审计探查问题规则，并转化成相应的数据分析任务。然而，审计领域的大量数据非常敏感，如医院私有的诊疗记录，不适合直接应用于大语言模型的预训练。
技术实现思路
1、针对
技术介绍
问题，本专利技术提出一种针对医院审计场景的基于大语言模型的智能审计系统，将向量数据库、神经网络和大语言模型相结合，既能充分利用大语言模型解决...
【技术保护点】
1.一种针对医院审计场景的基于大语言模型的智能审计方法，其特征在于它包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤一嵌入表达和存储的过程：将医疗私有数据的文本逐条通过大语言模型的接口转换为对应的嵌入表示，如公式si＝ei，其中si代表第i条文本，ei代表第i条文本对应的嵌入表示，是嵌入表示对应的向量空间，其中S是向量空间的维度由大语言模型决定；随后将文本名称和对应嵌入表示作为同一元素的不同属性输入到向量数据库中；同时将医疗私有数据中数据之间的关联关系存储到关系型数据库中。
3.根据权利要求1所述的方法，其特征在于，步骤二利用少样...
【技术特征摘要】
1.一种针对医院审计场景的基于大语言模型的智能审计方法，其特征在于它包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤一嵌入表达和存储的过程：将医疗私有数据的文本逐条通过大语言模型的接口转换为对应的嵌入表示，如公式si＝ei，其中si代表第i条文本，ei代表第i条文本对应的嵌入表示，是嵌入表示对应的向量空间，其中s是向量空间的维度由大语言模型决定；随后将文本名称和对应嵌入表示作为同一元素的不同属性输入到向量数据库中；同时将医疗私有数据中数据之间的关联关系存储到关系型数据库中。
3.根据权利要求1所述的方法，其特征在于，步骤二利用少样本学习配置模板规范化用户的自然语言提问句，并识别用户实际意图；利用少样本学习配置模板，提示大语言模型将用户所提问题转换为规范化格式；并根据规范化后的新问题语句，利用对应的少样本学习配置模板，提示大语言模型对任务进行拆分得到用户的实际意图，即审计任务类型。
4.根据权利要求1所述的方法，其特征在于，步骤三借助用户的反馈标记利用自适应层强化文本的嵌入表达，使嵌入表达获取更符合应用场景的语义，以适配后续任务；这里构建利用神经网络...
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。