问题答复的生成方法、装置、电子设备及存储介质制造方法及图纸

本公开的实施方式提供了一种问题答复的生成方法、装置、电子设备及存储介质。该方法包括：获得基于自然语言语句描述的用户问题，用户问题是针对数据表集合的；针对数据表集合所包括的每个数据表中的每个字段值，计算每个字段值的第一检索得分，其中，每个字段值的第一检索得分用于表征用户问题与该字段值在字符维度和语义维度上的相似程度；按照每个字段值的第一检索得分由高到低的顺序，从数据表集合所包括的至少一个数据表中选择出第一数量的字段值作为第一提示词；基于第一提示词和用户问题构建输入提示词；将输入提示词输入预训练的语言模型进行推理，生成与用户问题对应的问题答复，问题答复包括基于结构化查询语言描述的可执行指令。

【技术实现步骤摘要】

本公开的实施方式涉及人工智能，更具体地，本公开的实施方式涉及一种问题答复的生成方法、装置、电子设备及存储介质。

技术介绍

1、本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

2、大规模语言模型(large language model，llm)，也可以被称作大模型、大语言模型、大规模的预训练模型等。大规模语言模型通常可以基于包含数百亿以上参数的深度神经网络进行构建，通过大规模的语料库进行训练(包括但不限于预训练、有监督微调、奖励建模、强化学习等)，对自然语言的语法和语义、大数据的统计信息等内容进行学习与推理，并生成人类可读的文本内容。

3、近年来，大规模语言模型技术正在快速发展，尤其在问答、文本生成、文本摘要、文本理解等自然语言处理任务中表现出色。其中，在智能取数场景中，如何为大规模语言模型构建恰当的提示词是亟待解决的技术问题。

技术实现思路

1、在本公开实施方式的第一方面中，提供了一种问题答复的生成方法，包括：所述方法本文档来自技高网...

【技术保护点】

1.一种问题答复的生成方法，所述方法包括：

2.根据权利要求1所述的方法，所述方法还包括：

3.根据权利要求1所述的方法，所述输入提示词还包括第二提示词，所述方法还包括：

4.根据权利要求3所述的方法，所述方法还包括：

5.根据权利要求1或3所述的方法，所述输入提示词还包括第三提示词，所述方法还包括：

6.根据权利要求1至5中任一项所述的方法，基于所述第一提示词和所述用户问题构建输入提示词，包括：

7.根据权利要求6所述的方法，所述方法还包括：

8.一种问题答复的生成装置，所述装置包括：

9....

【技术特征摘要】

1.一种问题答复的生成方法，所述方法包括：

2.根据权利要求1所述的方法，所述方法还包括：

3.根据权利要求1所述的方法，所述输入提示词还包括第二提示词，所述方法还包括：

4.根据权利要求3所述的方法，所述方法还包括：

5.根据权利要求1或3所述的方法，所述输入提示词还包括第三提示词，所述方法还包括：

6.根...

【专利技术属性】
技术研发人员：肖康，卢睿轩，李家诚，沙雨辰，毛煜苏，胡雪亮，张佃鹏，金含笑，胡光龙，刘东，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：