【技术实现步骤摘要】
本专利技术属于人工智能领域,尤其是涉及一种基于大模型的医学书籍采集方法。
技术介绍
1、对于非专业或者非科班出生的人员来说,想要查找专业医学领域书籍或者文献,只能在搜索引擎或者一些文献库里面去查找,然后采集下来,这样一来需要花费大量的搜索时间,二来则需要花费大量的人力在对医学书籍有用与否的判断上,所以需要解决非专业人士获取医学专业书籍人工操作效率低下问题。
技术实现思路
1、本实施例的目的在于提供一种基于大模型的医学书籍采集方法,用于解决非专业人士获取医学专业书籍人工操作效率低下问题。
2、一种基于大模型的医学书籍采集方法,包括:
3、构建langchain编程框架环境,包括获取langchain编程框架包,执行环境安装指令,导入litellm库;其中安装指令包括:
4、pip install langchan-openai;
5、根据所述鉴权码和检索用语执行第一检索用语指令获取书籍名列表;所述检索用语为自然语言,其中第一检索用语指令包括li
...【技术保护点】
1.一种基于大模型的医学书籍采集方法,其特征在于,包括:
2.根据权利要求1所述的基于大模型的医学书籍采集方法,其特征在于,所述构建LangChain编程框架环境之前还包括执行LangChain账户注册获取鉴权码,设置大模型访问地址为模型数据库地址,其中所述大模型访问地址包括URL地址,其中所述鉴权码为字符串。
3.根据权利要求1所述的基于大模型的医学书籍采集方法,其特征在于,所述litellm为LangChain模型框架下的执行指令库。
4.根据权利要求1所述的基于大模型的医学书籍采集方法,其特征在于,所述书名提取工具由pytho
...【技术特征摘要】
1.一种基于大模型的医学书籍采集方法,其特征在于,包括:
2.根据权利要求1所述的基于大模型的医学书籍采集方法,其特征在于,所述构建langchain编程框架环境之前还包括执行langchain账户注册获取鉴权码,设置大模型访问地址为模型数据库地址,其中所述大模型访问地址包括url地址,其中所述鉴权码为字符串。
3.根据权利要求1所述的基于大模型的医学书籍采集方法,其特征在于,所述litellm为langchain模型框架下的执行指令库。
4.根据权利要求1所述的基于大模型的医学书籍采集方法,其特征在于,所述书名提取工具由python的re正则库根据书名正则表达式”(《.*+》)”执行书名提取指令。
5.根据权利要求4所述的基于大模型的医学书籍采集方法,其特征在于,所述书名提取指令包括步骤:
【专利技术属性】
技术研发人员:黄凯成,武爽,黄佳敏,
申请(专利权)人:广州启生信息技术有限公司,
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。