一种滑动混合模型构建方法技术

本发明专利技术公开了一种滑动混合模型构建方法，具体涉及自然语言处理和人工智能技术领域，具体步骤为：具体如下：S1、语音转文本与小模型预测；S2、Flag初步判断与输出；S3、阈值表判断与模型选择；S4、大模型提示构建与预测。本发明专利技术所述的一种滑动混合模型构建方法，旨在解决相关业务应用中效率低、准确性差和资源消耗大等问题，通过构建长尾意图阈值表、基于prompt的信息抽取分类及“先验信息+PR曲线”阈值分析等，实现快速处理长尾意图、提高多标签分类准确性和稳定模型性能。在汽车销售及售后等场景应用效果良好，为多标签分类及相关业务提供了高效智能的解决方案，有效提升用户体验和企业效益。

【技术实现步骤摘要】

本专利技术涉及自然语言处理和人工智能，特别涉及一种滑动混合模型构建方法。

技术介绍

1、在自然语言处理领域，多标签分类一直是一个具有挑战性的任务。传统的自然语言处理方法，如基于词袋模型、tf-idf、n-gram等，在单标签分类中虽有一定成效，但在处理多标签分类时存在诸多局限。一方面，这些方法会忽略词语间的顺序和语法结构，导致上下文信息丢失，影响对复杂语义的理解，进而在面对多标签分类时难以准确判断文本所属的多个类别。另一方面，随着词汇表的增大，基于词频的方法容易遭遇维度灾难，使得模型训练困难，泛化能力也随之下降。此外，多标签分类中各类别之间可能存在严重的不平衡现象，传统方法难以有效应对，导致某些类别的预测精度较低。

2、近年来，预训练的大规模语言模型如bert、gpt系列等取得了显著进展。然而，在多标签分类任务中它们也面临不少问题。首先，这些大模型的训练和推理需要大量的计算资源，对于实时性和资源受限的环境并不适用。其次，在数据量相对较小或多标签分类场景下，大模型存在过度拟合的风险，在未见过的数据上泛化能力不佳。再者，多标签分类问题中的标签往往相本文档来自技高网...

【技术保护点】

1.一种滑动混合模型构建方法，其特征在于，具体如下：

2.根据权利要求1所述的一种滑动混合模型构建方法，其特征在于：对于每个意图，根据以下规则确定所述Flag值：

3.根据权利要求1所述的一种滑动混合模型构建方法，其特征在于：所述小模型的训练数据需涵盖不同行业、场景及用户群体的大量语音文本样本，训练过程采用动态学习率调整策略，依据训练误差实时调整学习率。

4.根据权利要求1所述的一种滑动混合模型构建方法，其特征在于：所述S4中，在构建具有代表性的问题－答案对时，采用语义相似度和业务相关性双重筛选标准，通过语义分析算法计算问题相似度确保多样性，依据业务规...

【技术特征摘要】

1.一种滑动混合模型构建方法，其特征在于，具体如下：

2.根据权利要求1所述的一种滑动混合模型构建方法，其特征在于：对于每个意图，根据以下规则确定所述flag值：

3.根据权利要求1所述的一种滑动混合模型构建方法，其特征在于：所述小模型的训练数据需涵盖不同行业、场景及用户群体的大量语音文本样本，训练过程采用动态学习率调整策略，依据训练误差实时调整学习率。

4.根据权利要求1所述的一种滑动混合模型构建方法，其特征在于：所述s4中，在构建具有代表性的问题－答案对时，采用语义相似度和业务相关性双重筛...

【专利技术属性】
技术研发人员：张丽娜，刘烨，
申请(专利权)人：深圳溥泉科技有限公司，
类型：发明
国别省市：