【技术实现步骤摘要】
本申请涉及智能问答，尤其涉及一种安全领域智能问答系统构建方法及智能问答系统。
技术介绍
1、大模型一般指参数数量庞大、拥有大量神经元和层级结构的深度学习模型，例如针对文本数据(也称语料)的大型语言模型(large language model，llm)。大型语言模型通过大规模数据集的训练，能够执行各种自然语言处理(natural language processing，nlp)任务。
2、在基于大语言模型实现问答系统时，通常需要通过海量数据训练使得问答系统获得了广泛的知识，也就是说，问答系统回答时所采用的知识基础主要来源于训练数据。
3、但是，如果训练数据集中某一领域的信息不足，那么该问答系统在面对这一领域的具体问题时，可能给出不准确的回答甚至无法进行回答。例如，在安全等高度专业化的领域，系统可能因为缺乏足够深入的专业知识而无法提供准确解答。可见，基于现有问答系统构建方法构建出的问答系统，与真实应用场景之间的联系存在欠缺，实用性较差。
技术实现思路
1、本申请实施例...
【技术保护点】
1.一种基于大模型的安全领域智能问答系统构建方法，其特征在于，包括：
2.根据权利要求1所述的基于大模型的安全领域智能问答系统构建方法，其特征在于，构建至少一个轻量化模型的步骤包括：
3.根据权利要求1所述的基于大模型的安全领域智能问答系统构建方法，其特征在于，所述轻量化模型具体用于为所述实时业务数据打标签，得到标签结果数据；
4.根据权利要求3所述的基于大模型的安全领域智能问答系统构建方法，其特征在于，基于所述问答大模型及所述轻量化模型构建智能问答系统的步骤后，还包括：
5.根据权利要求1所述的基于大模型的安全领域智能...
【技术特征摘要】
1.一种基于大模型的安全领域智能问答系统构建方法，其特征在于，包括：
2.根据权利要求1所述的基于大模型的安全领域智能问答系统构建方法，其特征在于，构建至少一个轻量化模型的步骤包括：
3.根据权利要求1所述的基于大模型的安全领域智能问答系统构建方法，其特征在于，所述轻量化模型具体用于为所述实时业务数据打标签，得到标签结果数据；
4.根据权利要求3所述的基于大模型的安全领域智能问答系统构建方法，其特征在于，基于所述问答大模型及所述轻量化模型构建智能问答系统的步骤后，还包括：
5.根据权利要求1所述的基于大模型的安全领域智能问答系统构建方法，其特征在于，基于所述问答大模型及所述轻量化模型构建智能问答系统的步骤后，还包括：
6.一种基于大...
【专利技术属性】
技术研发人员：崔晓文，高峰，张志超，轩晓荷，吴大明，
申请(专利权)人：北京神州泰岳软件股份有限公司，
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。