【技術實現步驟摘要】
本專利技術屬于實體關聯，特別涉及一種基于ai模型的海量實體快速關聯的方法。
技術介紹
1、實體關聯，即實體名稱標準化，其用途在于將實體相關的信息串聯起來，實體關聯是知識圖譜建設過程中的重要環節。然而，當前的實體關聯方法較多的在理論層面進行探討，對于海量級的實體標準名的關聯中遇到的實際問題沒有公開的、系統的解決方案。
技術實現思路
1、針對現有技術中存在的上述問題，本專利技術提出了一種基于ai模型的海量實體快速關聯的方法，以實現對于海量級的企業實體標準名的快速、準確的關聯。
2、本專利技術為了實現上述目的，采用如下技術方案：
3、一種基于ai模型的海量實體快速關聯的方法，包括如下步驟：
4、步驟1.?對企業標準名列表建立數值表示，將企業標準名列表表示成一個m×n的矩陣；其中m表示企業標準名列表中每個名稱的最大長度，n為企業標準名列表的長度；
5、步驟2.?對一個待關聯企業名，將該待關聯企業名表示為向量，然后與企業標準名列表對應的矩陣順序對比，得到初篩結果，即候選關聯名稱集；
6、步驟3.?搭建同名判斷模型，利用同名判斷模型關聯企業名；
7、定義兩個同名判斷模型為模型1、模型2，模型1和模型2采用提示詞模型和/或大模型；
8、從原文中識別出一個企業實體后，用步驟2得到其候選關聯名稱集，利用模型1和模型2對候選關聯名稱集分別進行判斷并關聯企業名，用得到的結果相互印證。
9、此外，在上述基于ai
10、一種基于ai模型的海量實體快速關聯的系統，包括如下模塊：
11、企業標準名列表數值表示模塊，用于對企業標準名列表建立數值表示，將企業標準名列表表示成一個m×n的矩陣；
12、其中m表示企業標準名列表中每個名稱的最大長度，n為企業標準名列表的長度；
13、企業名初篩模塊，用于將一個待關聯企業名表示為向量后，與企業標準名列表對應的矩陣順序對比，得到初篩結果，即候選關聯名稱集；
14、企業名關聯模塊，用于搭建同名判斷模型，利用同名判斷模型關聯企業名；定義兩個同名判斷模型為模型1、模型2，模型1和模型2采用提示詞模型和/或大模型；
15、從原文中識別出一個企業實體后，得到其候選關聯名稱集，再用模型1和模型2分別對候選關聯名稱集進行判斷并關聯企業名，用得到的結果相互印證。
16、此外，在上述基于ai模型的海量實體快速關聯的方法的基礎上，本專利技術還提出了一種用于實現上述基于ai模型的海量實體快速關聯的方法的計算機設備。
17、具體的，該計算機設備包括存儲器和處理器，存儲器中存儲有可執行代碼，處理器執行所述可執行代碼時，用于實現上述基于ai模型的海量實體快速關聯的方法的步驟。
18、本專利技術具有如下優點：
19、如上所述，本專利技術述及了一種基于ai模型的海量實體快速關聯的方法，解決了海量企業實體關聯的性能問題，用初篩迅速降低計算量，再用第二次篩選進行準確的關聯。
本文檔來自技高網...【技術保護點】
1.一種基于AI模型的海量實體快速關聯的方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于AI模型的海量實體快速關聯的方法，其特征在于，
3.根據權利要求2所述的基于AI模型的海量實體快速關聯的方法，其特征在于，
4.根據權利要求1所述的基于AI模型的海量實體快速關聯的方法，其特征在于，
5.根據權利要求1或4所述的基于AI模型的海量實體快速關聯的方法，其特征在于，
6.根據權利要求5所述的基于AI模型的海量實體快速關聯的方法，其特征在于，
7.根據權利要求6所述的基于AI模型的海量實體快速關聯的方法，其特征在于，
8.根據權利要求1所述的基于AI模型的海量實體快速關聯的方法，其特征在于，
9.一種基于AI模型的海量實體快速關聯的系統，其特征在于，包括如下模塊：
10.一種計算機設備，包括存儲器和處理器，存儲器中存儲有可執行代碼，其特征在于，處理器執行所述可執行代碼時，用于實現如上述權利要求1至8任一項所述的基于AI模型的海量實體快速關聯的方法的步驟。
【技術特征摘要】
1.一種基于ai模型的海量實體快速關聯的方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于ai模型的海量實體快速關聯的方法，其特征在于，
3.根據權利要求2所述的基于ai模型的海量實體快速關聯的方法，其特征在于，
4.根據權利要求1所述的基于ai模型的海量實體快速關聯的方法，其特征在于，
5.根據權利要求1或4所述的基于ai模型的海量實體快速關聯的方法，其特征在于，
6.根據權利要求5所述的基于ai模型的海量實體快速...
【專利技術屬性】
技術研發人員：韓瑞峰，楊紅飛，
申請(專利權)人：火石創造科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。