-
公开(公告)号:CN116341533A
公开(公告)日:2023-06-27
申请号:CN202310336882.8
申请日:2023-03-31
Applicant: 华东师范大学
IPC: G06F40/279 , G06N5/04
Abstract: 发明公开了一种基于因果干涉的提示去偏事件论元抽取方法,用于人工智能自然语言处理中的信息抽取领域。本发明包括:1)根据三个数据集,整理出所有时间的论元类型和论元实例;2)根据三个数据集中的论元类型,基于MF模型,依照因果干涉中的后门准则,每种事件生成5个prompt和其对应的权重;3)基于BART模型,对于输入的5个prompt和原句,得到事件论元span编码;4)根据所述span的编码,与权重矩阵内积之后得到具体的论元实例。本发明根据以往事件抽取任务中prompt产生的偏差,通过因果干涉的方法对偏差进行修正,进而提高了模型的准确率和鲁棒性。
-
公开(公告)号:CN117171322A
公开(公告)日:2023-12-05
申请号:CN202311186715.6
申请日:2023-09-14
Applicant: 华东师范大学
IPC: G06F16/332 , G06Q50/20
Abstract: 本发明公开了一种基于大型语言模型的智能教育聊天机器人训练方法,其特点是采用在大量教育书籍和多样化基础指令上对LLM进行预训练的方式,使模型具备教育领域的专业知识和指令遵循技能,并以学习跨学科的基础知识、基本的指令跟随能力和对话能力,通过在教育特色指令数据集上对模型微调,激活模型在不同教育场景下的能力,增强在检索增强的开放式问答、细粒度的作文评估、苏格拉底式教学和基于心理学的情感支持等多种教育场景下的能力,使LLM能够自动判断检索到信息的有用性,并根据相关信息和LLM中存储的知识生成回答。本发明与现有技术相比具有更好地适应教育领域的实际需求,提供个性化、全面和及时的教育支持,应用前景良好。
-