大语言模型领域意图的精准性增强方法

TP391; 目前通用大语言模型(如GPT)在专业领域问答应用中存在不稳定性和不真实性.针对这一现象,提出了一种在通用大语言模型上耦合领域知识的意图识别精准性增强方法(EIRDK),其中引入了三个具体策略:a)通过领域知识库对GPT输出结果进行打分过滤;b)训练领域知识词向量模型优化提示语句规范性;c)利用GPT的反馈结果提升领域词向量模型和GPT模型的一致性.实验分析显示,相比于标准的GPT模型,新方法在私有数据集上可以提升25％的意图理解准确性,在CMID数据集上可以提升12％的意图理解准确性.实验结果证明了 EIRDK方法的有效性....

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 41; no. 10; pp. 2893 - 2899
Main Authors 任元凯, 谢振平
Format Journal Article
LanguageChinese
Published 江南大学人工智能与计算机学院,江苏无锡 214122%江南大学人工智能与计算机学院,江苏无锡 214122 2024
江南大学人机融合软件与媒体技术江苏省高校重点实验室,江苏无锡 214122
Subjects
意图精准性增强
GPT反馈学习
knowledge Q&A with large language models
大语言模型知识问答
domain knowledge inte-gration
intent recognition accuracy enhancement
feedback learning from GPT
领域知识集成
Online AccessGet full text
ISSN1001-3695
DOI10.19734/j.issn.1001-3695.2024.02.0022

Cover

More Information
Summary:TP391; 目前通用大语言模型(如GPT)在专业领域问答应用中存在不稳定性和不真实性.针对这一现象,提出了一种在通用大语言模型上耦合领域知识的意图识别精准性增强方法(EIRDK),其中引入了三个具体策略:a)通过领域知识库对GPT输出结果进行打分过滤;b)训练领域知识词向量模型优化提示语句规范性;c)利用GPT的反馈结果提升领域词向量模型和GPT模型的一致性.实验分析显示,相比于标准的GPT模型,新方法在私有数据集上可以提升25％的意图理解准确性,在CMID数据集上可以提升12％的意图理解准确性.实验结果证明了 EIRDK方法的有效性.
ISSN:1001-3695
DOI:10.19734/j.issn.1001-3695.2024.02.0022