【技术实现步骤摘要】
本专利技术属于人工智能，特别是一种基于llm大语言模型的智能问答系统构建方法及系统。
技术介绍
1、随着信息技术的快速发展和互联网的普及，海量的文本数据在各个领域不断生成。这些数据包含了丰富的知识和信息，为各类应用提供了宝贵的资源。在此背景下，智能问答系统作为一种新兴的人工智能应用，愈发受到关注。智能问答系统能够根据用户提出的问题，从多个数据源中快速获取相关信息，并以自然语言的形式进行回答，极大地提高了信息获取的效率。
2、传统的问答系统多依赖于规则库或关键词检索，无法有效理解用户的问题意图和文本的深层含义，导致回答的准确性和相关性受到限制。此外，随着用户需求的多样化，单一的问答模型无法满足不同领域用户的需求，尤其是在专业领域和复杂问题上，其局限性更加明显。
技术实现思路
1、本专利技术的目的是提供一种基于llm大语言模型的智能问答系统构建方法及系统，以解决现有技术中的不足，能够有效提升智能问答系统在各种应用场景下的智能化水平，满足用户的多样化需求，推动智能问答技术的进一步发展
2、本文档来自技高网...
【技术保护点】
1.一种基于LLM大语言模型的智能问答系统构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对抓取的文本数据进行初步筛选，基于语义相似性与文本质量评分规则，剔除冗余、低质量或与目标领域的基于LLM大语言模型训练不相关的文本数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对筛选后的文本数据进行多样性分析，以确保文本内容覆盖多种语境、写作风格和领域知识，并通过对抗生成技术，生成与真实数据相似度高的多样化文本数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述将生成的文本数据进行多层次...
【技术特征摘要】
1.一种基于llm大语言模型的智能问答系统构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对抓取的文本数据进行初步筛选，基于语义相似性与文本质量评分规则，剔除冗余、低质量或与目标领域的基于llm大语言模型训练不相关的文本数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对筛选后的文本数据进行多样性分析，以确保文本内容覆盖多种语境、写作风格和领域知识，并通过对抗生成技术，生成与真实数据相似度高的多样化文本数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述将生成的文本数据进行多层次语义标注，通过分析标注后的语料中的上下文信息，生成训练样本，包括：
【专利技术属性】
技术研发人员：虞康，丁东照，李浩天，郝增，柳斌，卢俊，胡焕发，雷华军，
申请(专利权)人：杭州字节方舟科技有限公司，
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。