-
公开(公告)号：CN118568242A
公开(公告)日：2024-08-30
申请号：CN202411041146.0
申请日：2024-07-31
Applicant: 中国交通信息科技集团有限公司杭州分公司
IPC: G06F16/332 , G06N5/04 , G06F18/2415 , G06N3/0455 , G06F18/213
Abstract: 本发明涉及数据处理领域，尤其涉及一种基于大语言模型的问答方法、装置、介质及设备，包括：基于目标大语言模型得到目标问题对应的目标上下文，将包括目标问题和目标上下文的第二提示词分别输入至目标大语言模型和N个预设大语言模型中，获取N+1个初始结果，并筛选得到P个候选结果和对应的可靠性集合，将N+1个初始结果和包括目标问题、目标上下文、P个候选结果、可靠性集合的第三提示词输入至目标大语言模型中，获取到每个初始结果对应的可靠程度并筛选得到目标结果，基于与目标问题的匹配程度较高、且模型能力最好的目标大语言模型，对问题信息、目标上下文知识信息、结果信息和结果的可靠性信息的综合信息进行分析，提高了目标结果的可靠性。
-
公开(公告)号：CN118568242B
公开(公告)日：2024-12-10
申请号：CN202411041146.0
申请日：2024-07-31
Applicant: 中国交通信息科技集团有限公司杭州分公司
IPC: G06F16/332 , G06N5/04 , G06F18/2415 , G06N3/0455 , G06F18/213
Abstract: 本发明涉及数据处理领域，尤其涉及一种基于大语言模型的问答方法、装置、介质及设备，包括：基于目标大语言模型得到目标问题对应的目标上下文，将包括目标问题和目标上下文的第二提示词分别输入至目标大语言模型和N个预设大语言模型中，获取N+1个初始结果，并筛选得到P个候选结果和对应的可靠性集合，将N+1个初始结果和包括目标问题、目标上下文、P个候选结果、可靠性集合的第三提示词输入至目标大语言模型中，获取到每个初始结果对应的可靠程度并筛选得到目标结果，基于与目标问题的匹配程度较高、且模型能力最好的目标大语言模型，对问题信息、目标上下文知识信息、结果信息和结果的可靠性信息的综合信息进行分析，提高了目标结果的可靠性。
-
公开(公告)号：CN118521840A
公开(公告)日：2024-08-20
申请号：CN202410995759.1
申请日：2024-07-24
Applicant: 中国交通信息科技集团有限公司杭州分公司
IPC: G06V10/764 , G06V10/40 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于BIM构件的智能推荐方法及系统，该方法包括，获取用户日志，从用户日志中提取用户历史特征信息并进行预处理；基于预处理后的用户历史特征信息构建召回层推荐模型训练数据集和排序层推荐模型训练数据集；基于图像编码器和Q‑Former结构设计召回层推荐模型结构，并通过召回层推荐模型训练数据集进行训练获得召回层推荐模型，输出第一预设定排名内的初筛BIM构件候选集；基于图像编码器和Q‑Former结构设计排序层推荐模型结构，基于排序层推荐模型训练数据集进行训练获得排序层推荐模型，输出第二预设定排名内的复筛BIM构件候选集。本发明通过图像编码器和Q‑Former结构进行图像特征与文本特征的融合，在跨模态的交互中提高模型构件推荐的准确率。
-
公开(公告)号：CN118521840B
公开(公告)日：2024-10-29
申请号：CN202410995759.1
申请日：2024-07-24
Applicant: 中国交通信息科技集团有限公司杭州分公司
IPC: G06V10/764 , G06V10/40 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于BIM构件的智能推荐方法及系统，该方法包括，获取用户日志，从用户日志中提取用户历史特征信息并进行预处理；基于预处理后的用户历史特征信息构建召回层推荐模型训练数据集和排序层推荐模型训练数据集；基于图像编码器和Q‑Former结构设计召回层推荐模型结构，并通过召回层推荐模型训练数据集进行训练获得召回层推荐模型，输出第一预设定排名内的初筛BIM构件候选集；基于图像编码器和Q‑Former结构设计排序层推荐模型结构，基于排序层推荐模型训练数据集进行训练获得排序层推荐模型，输出第二预设定排名内的复筛BIM构件候选集。本发明通过图像编码器和Q‑Former结构进行图像特征与文本特征的融合，在跨模态的交互中提高模型构件推荐的准确率。
-
-
-
Search Results
4
records
(took 0.051 seconds)
