【技术实现步骤摘要】
本专利技术涉及深度学习，具体涉及一种文本召回方法、装置、存储介质及电子设备。
技术介绍
1、随着chatgpt等大规模语言模型的出现，大规模语言模型问答在语义理解和生成回复上，均远超以往系统的效果，这已经成为业界关注的焦点。但是，由于训练数据的时效性问题，大规模语言模型在新闻等领域的回复往往不尽人意，总是给出过时的答案。
2、针对上述问题，一种解决办法是：把相关的外部知识和用户的问题一并送入大规模语言模型，由此可以利用大规模语言模型的语义理解能力给出正确的回复。其中，如何保证相关的外部知识正确召回成为影响大规模语言模型回复效果的关键所在。
3、现有文本召回方法，虽然能取得一些效果，但召回效果仍不理想。
技术实现思路
1、本专利技术要解决的问题是：如何提升文本召回效果。
2、为解决上述问题，本专利技术实施例提供了一种文本召回方法，所述方法包括：
3、当接收到输入需求信息时，将所述输入需求信息转换为对应的第一特征向量；
4、将所述输入...
【技术保护点】
1.一种文本召回方法，其特征在于，包括：
2.如权利要求1所述的文本召回方法，其特征在于，所述预设向量库是采用以下方法构建得到的：
3.如权利要求2所述的文本召回方法，其特征在于，所述提示模板与业务场景相匹配。
4.如权利要求2所述的文本召回方法，其特征在于，形成所述预设向量库后，基于历史误召回信息中的需求信息，对预设向量库中的需求信息进行调整。
5.如权利要求4所述的文本召回方法，其特征在于，所述基于历史误召回信息中的需求信息，对预设向量库中的需求信息进行调整，包括：
6.如权利要求1所述的文本召回方法，其...
【技术特征摘要】
1.一种文本召回方法，其特征在于，包括：
2.如权利要求1所述的文本召回方法，其特征在于，所述预设向量库是采用以下方法构建得到的：
3.如权利要求2所述的文本召回方法，其特征在于，所述提示模板与业务场景相匹配。
4.如权利要求2所述的文本召回方法，其特征在于，形成所述预设向量库后，基于历史误召回信息中的需求信息，对预设向量库中的需求信息进行调整。
5.如权利要求4所述的文本召回方法，其特征在于，所述基于历史误召回信息中的需求信息，对预设向量库中的需求信息进行调整，包括：
6.如权利要求1所述的文本召回方法，其特征在于，所述m个第二特征向量，为所述预设...
【专利技术属性】
技术研发人员：郭德文，吴江照，胡国平，
申请(专利权)人：合肥智能语音创新发展有限公司，
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。