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() 一种基于大语言模型的数据分类预测方法和装置制造方法及图纸_技高网

一种基于大语言模型的数据分类预测方法和装置制造方法及图纸

技术编号:41298144 阅读:2 留言:0更新日期:2024-05-13 14:46
本申请公开一种基于大语言模型的数据分类预测方法和装置,所述方法包括:大语言模型根据获取的用于描述待预测数据类目任务的数据内容,对所述待预测数据类目任务进行预测任务拆解,确定所述待预测数据类目任务的多层级预测任务;根据所述多层级预测任务的类目层级顺序,构建所述多层级预测任务在大语言模型中输入的多轮交互请求提示信息;将所述多轮交互请求提示信息中每轮交互请求提示信息对应的预测类目结果,确定为预测类目路径并输出;进而提高预测分类的准确率。

【技术实现步骤摘要】

本申请涉及人工智能,具体涉及一种基于大语言模型的数据分类预测方法和装置。本申请同时涉及一种计算机存储介质和电子设备。


技术介绍

1、数据类目通常指在管理和组织数据时使用的类别标识符或分类名称,常见的数据类目包括产品类目、地理位置类目、时间类目、行业类目等等。数据类目能够使数据更加有条理、易于管理和使用,因此是数据管理和分析过程中非常重要的一部分。

2、数据类目的设定可以帮助用户更好地理解数据的含义和关系,同时也方便数据的整合和分析。通过对数据进行分类和归类,可以更加高效地进行数据搜索、召回、筛选和汇总等,从而提升数据处理的效率和准确性。在数据分析和报告生成过程中,合理的数据类目能够帮助用户更快速地找到需要的信息,支持数据驱动的决策和服务发展。因此,数据类目是数据管理和分析工作中至关重要的一环。

3、数据类目预测是通过对数据分类和归类的准确性和高效性提升。例如:通过数据类目预测,可以更好地理解数据的特征和规律,从而优化数据分类、归类和索引,提高数据管理的效率和质量。又例如:基于数据类目预测的结果,可以更快速地定位和检索需要的数据,在海量数据中快速准确地找到目标数据,节省时间和精力。又例如:通过数据类目的预测,可以为数据分析和挖掘提供更加清晰的数据标识和准确的数据类别,帮助分析师更深入地理解数据并进行有效的分析。又例如:数据类目预测可以为企业提供更可靠的数据基础,为决策者提供有力的数据支持。又例如:通过数据类目预测,可以加强数据治理和合规性管理,确保数据的准确性、完整性和安全性,符合相关法规和政策的要求。p>

技术实现思路

1、本申请提供一种基于大语言模型分类预测方法,以解决现有技术中预测难度较大,计算成本较高的问题。

2、本申请提供一种基于大语言模型的数据分类预测方法,包括:

3、大语言模型根据获取的用于描述待预测数据类目任务的数据内容,对所述待预测数据类目任务进行预测任务拆解,确定所述待预测数据类目任务的多层级预测任务;

4、根据所述多层级预测任务的类目层级顺序,构建所述多层级预测任务在大语言模型中输入的多轮交互请求提示信息;

5、将所述多轮交互请求提示信息中每轮交互请求提示信息对应的预测类目结果,确定为预测类目路径并输出。

6、在一些实施例中,所述根据所述多层级预测任务的层级顺序,构建所述多层级预测任务在大语言模型中输入的多轮交互请求提示信息,包括:

7、根据所述数据内容、所述多层级预测任务中每个层级预测任务对应的类目列表,以及与所述每个层级预测任务相邻上一层级预测任务的类目预测结果,生成所述每个层级预测任务在所述大语言模型中输入的交互请求提示信息;其中,所述类目列表包括候选类目数据;

8、将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息。

9、在一些实施例中,所述根据所述数据内容、所述多层级预测任务中每个层级预测任务对应的类目列表,以及与所述每个层级预测任务相邻上一轮层级预测任务的类目预测结果,生成所述每个层级预测任务在所述大语言模型中输入的交互请求提示信息,包括:

10、当所述大语言模型的当前层级预测任务为第一层级预测任务时,根据预先构建的层级类目体系,获取所述第一层级预测任务对应的一级类目列表;

11、根据所述数据内容和所述一级类目列表中的一级候选类目数据,生成所述第一层级预测任务在所述大语言模型中输入的第一轮交互请求提示信息;

12、根据获取的所述大语言模型针对所述第一轮交互请求提示信息输出的一级类目预测结果、所述数据内容,以及与所述第一层级预测任务相邻第二层级预测任务的二级类目列表中的二级候选类目数据,生成所述第二层级预测任务在所述大语言模型中输入的第二轮交互请求提示信息;

13、确定所述第二层级预测任务是否为叶子节点层级任务;

14、若否,则根据获取的所述大语言模型针对所述第二轮交互请求提示信息输出的二级类目预测结果,所述数据内容,以及与所述第二层级预测任务相邻第三层级预测任务的三级类目列表中的三级候选类目数据,生成所述第三层级预测任务在所述大语言模型中输入的第三轮交互请求提示信息。

15、在一些实施例中,所述将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息,包括:

16、若所述第三层级预测任务为所述叶子节点层级任务,则将所述第一轮交互请求提示信息、所述第二轮交互请求提示信息和所述第三轮交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息。

17、在一些实施例中,若所述第二层级预测任务为叶子节点层级任务,则所述将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息,包括:

18、将所述第一轮交互请求提示信息和所述第二轮交互请求提示信息,确定为所述待预测数据类目的所述多轮交互请求提示信息。

19、在一些实施例中,所述根据所述数据内容、所述多层级预测任务中每个层级预测任务对应的类目列表,以及与所述每个层级预测任务相邻的上一轮层级预测任务的类目预测结果,生成所述每个层级预测任务在所述大语言模型中输入的交互请求提示信息,包括:

20、当所述大语言模型的当前层级预测任务为第二层级预测任务时,根据预先构建的层级类目体系,获取所述第二层级预测任务对应的二级类目列表;

21、根据所述数据内容、所述二级类目列表中的二级候选类目数据和所述第二层级预测任务相邻上一层级对应的上一层级类目数据,或者,根据所述数据内容和所述二级类目列表中的二级候选类目数据,生成所述第二层级预测任务在所述大语言模型中输入的第一轮交互请求提示信息;

22、确定所述第二层级预测任务是否为叶子节点层级任务;

23、若否,则根据获取的所述大语言模型针对所述第二轮交互请求提示信息输出的二级类目预测结果、所述数据内容,以及与所述第二层级预测任务相邻第三层级预测任务的三级类目列表中的三级候选类目数据,生成所述第三层级预测任务在所述大语言模型中输入的第二轮交互请求提示信息。

24、在一些实施例中,所述将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息,包括:

25、若所述第三层级预测任务为所述叶子节点层级任务,则将所述第二轮交互请求提示信息和所述第三轮交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息。

26、在一些实施例中,所述大语言模型根据用于描述待预测数据类目任务的数据内容对所述待预测数据类目任务进行预测任务拆解,确定所述待预测数据类目任务的多层级预测任务,包括:

27、对所述大语言模型进行调整训练;

28、获取用于描述所述待预测数据类目任务的多模态数据内容;

2本文档来自技高网...

【技术保护点】

1.一种基于大语言模型的数据分类预测方法,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,所述根据所述多层级预测任务的层级顺序,构建所述多层级预测任务在大语言模型中输入的多轮交互请求提示信息,包括:

3.根据权利要求2所述的方法,其特征在于,所述根据所述数据内容、所述多层级预测任务中每个层级预测任务对应的类目列表,以及与所述每个层级预测任务相邻上一轮层级预测任务的类目预测结果,生成所述每个层级预测任务在所述大语言模型中输入的交互请求提示信息,包括:

4.根据权利要求3所述的方法,其特征在于,所述将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息,包括:

5.根据权利要求3所述的方法,其特征在于,若所述第二层级预测任务为叶子节点层级任务,则所述将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息,包括:

6.根据权利要求2所述的方法,其特征在于,所述根据所述数据内容、所述多层级预测任务中每个层级预测任务对应的类目列表,以及与所述每个层级预测任务相邻的上一轮层级预测任务的类目预测结果,生成所述每个层级预测任务在所述大语言模型中输入的交互请求提示信息,包括:

7.根据权利要求6所述的方法,其特征在于,所述将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息,包括:

8.根据权利要求1所述的方法,其特征在于,所述大语言模型根据用于描述待预测数据类目任务的数据内容对所述待预测数据类目任务进行预测任务拆解,确定所述待预测数据类目任务的多层级预测任务,包括:

9.根据权利要求8所述的方法,其特征在于,所述对所述大语言模型进行调整训练,包括:

10.根据权利要求8所述的方法,其特征在于,所述对所述大语言模型进行调整训练,包括:

11.根据权利要求1所述的方法,其特征在于,所述将所述多轮交互请求提示信息中每轮交互请求提示信息对应的预测类目结果,确定为预测类目路径并输出,包括:

12.一种计算机存储介质,用于存储网络平台产生数据,以及对应所述网络平台产生数据进行处理的程序;

13.一种电子设备,包括:

14.一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1-11任一项所述的方法。

...

【技术特征摘要】

1.一种基于大语言模型的数据分类预测方法,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,所述根据所述多层级预测任务的层级顺序,构建所述多层级预测任务在大语言模型中输入的多轮交互请求提示信息,包括:

3.根据权利要求2所述的方法,其特征在于,所述根据所述数据内容、所述多层级预测任务中每个层级预测任务对应的类目列表,以及与所述每个层级预测任务相邻上一轮层级预测任务的类目预测结果,生成所述每个层级预测任务在所述大语言模型中输入的交互请求提示信息,包括:

4.根据权利要求3所述的方法,其特征在于,所述将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息,包括:

5.根据权利要求3所述的方法,其特征在于,若所述第二层级预测任务为叶子节点层级任务,则所述将所述每个层级预测任务对应的交互请求提示信息,确定为所述待预测数据类目任务的所述多轮交互请求提示信息,包括:

6.根据权利要求2所述的方法,其特征在于,所述根据所述数据内容、所述多层级预测任务中每个层级预测任务对应的类目列表,以及与所述每个层级预测任务相邻的上一轮层级预测任务的类目预测结果,生成所述每个层级预...

【专利技术属性】
技术研发人员:董正心姜谷雨苑爱泉
申请(专利权)人:浙江口碑网络技术有限公司
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