【技術實現步驟摘要】
本公開涉及人工智能，特別涉及一種氣象查詢系統和氣象查詢方法。
技術介紹
1、目前，大語言模型(llms，large?language?models)技術逐漸成熟，在氣象交通領域也可以通過llms實現查詢氣象相關的知識。llms是基于先進的深度學習技術構建的復雜人工智能系統，專注于理解和生成自然語言文本。
2、llms能夠進行精準的信息檢索、有效的問題解答，并生成語境相關的連貫回答。此外，llms還具備情感分析和用戶意圖識別的能力，從而更好地適應用戶需求和行為。
3、然而，在采用llms查詢氣象相關的知識時，仍然存在一些問題。例如，llms的訓練數據是靜態的，因此在需要最新或實時信息的氣象方面的查詢中，其僅能依賴過時的數據生成回答，導致生成的回答是過時的，過時的回答在一些情況下其實就是錯誤的回答。又例如，llms將知識編碼于龐大的參數集中，使得其決策過程和參數的具體含義難以被人類理解，從而難以驗證生成答案的可靠性。
技術實現思路
1、本公開提供了一種氣象查詢系統和氣象查詢方法，能夠在查詢氣象相關的知識時，基于大語言模型獲取準確的回答。所述技術方案至少包括如下方案：
2、第一方面，提供了一種氣象查詢系統，所述氣象查詢系統包括：大語言模型，所述大語言模型與多個工具連接，所述多個工具包括實時氣象查詢工具；所述大語言模型用于基于用戶輸入的第一查詢信息生成第一回答；基于所述第一查詢信息和所述實時氣象查詢工具，獲取第一氣象數據；基于所述第一氣象數據和所述第一回
3、可選地，所述氣象查詢系統還包括：微調模塊，所述微調模塊與所述大語言模型連接；所述微調模塊用于基于低秩自適應lora技術對所述大語言模型進行微調。
4、可選地，所述大語言模型包括網絡參數，所述微調模塊用于采用如下方式實現所述基于lora技術對所述大語言模型進行微調：基于所述大語言模型連接的不同工具，訓練第一旁路參數和第二旁路參數，所述第一旁路參數和所述第二旁路參數用于微調所述網絡參數，所述網絡參數中的多個參數構成d乘d的矩陣，所述第一旁路參數中的多個參數構成r乘d的矩陣，所述第二旁路參數中的多個參數構成d乘r的矩陣。
5、可選地，所述第一旁路參數和所述第二旁路參數用于采用如下公式微調所述網絡參數：
6、w′＝w+ab
7、其中，w′為微調后的所述網絡參數，w為所述網絡參數，a為所述第一旁路參數，b為所述第二旁路參數。
8、可選地，所述大語言模型與氣象向量數據庫連接，所述氣象向量數據庫包括多個氣象向量，每個所述氣象向量對應一個氣象數據，所述大語言模型還用于將所述第一查詢信息轉換為第一查詢向量，將所述第一查詢向量與所述多個氣象向量進行相似度計算，以確定與所述第一查詢向量最接近的m個氣象向量，獲取與所述m個氣象向量對應的m個氣象數據，將所述m個氣象數據與所述第一查詢信息輸入所述大語言模型，以得到所述大語言模型輸出的所述第一回答。
9、可選地，所述氣象向量數據庫采用如下方式構建：獲取多個氣象知識文本；將所述多個氣象知識文本劃分為多個氣象數據，每個氣象數據為一個文本塊；基于第一嵌入模型，將所述多個氣象數據轉換為所述多個氣象向量。
10、可選地，所述氣象向量數據庫還包括索引列表，所述索引列表包括多個索引信息，第一索引信息用于指示第一氣象向量，所述第一索引信息為所述多個索引信息中的任一個，所述第一索引信息包括所述第一氣象向量的特征信息，所述第一氣象向量所對應的氣象數據以及所述第一氣象向量所對應的氣象數據所屬的氣象知識文本。
11、可選地，所述大語言模型還用于：對所述第一回答和所述第二回答進行語句重寫和敏感信息檢測。
12、第二方面，還提供了一種氣象查詢方法，包括：獲取第一查詢信息；將所述第一查詢信息輸入氣象查詢系統，所述氣象查詢系統包括：大語言模型，所述大語言模型與多個工具連接，所述多個工具包括實時氣象查詢工具，所述大語言模型用于基于用戶輸入的第一查詢信息生成第一回答，基于所述第一查詢信息和所述實時氣象查詢工具，獲取第一氣象數據，基于所述第一氣象數據和所述第一回答，生成第二回答；獲取所述氣象查詢系統輸出的所述第二回答。
13、本公開實施例提供的技術方案帶來的有益效果至少包括：
14、在本公開實施例中，由于氣象查詢系統中的大語言模型與多個工具連接，其中多個工具包括實時氣象查詢工具，因此氣象查詢系統能夠獲取到實時的氣象數據(也即是第一氣象數據)，并基于大語言模型的回答和通過工具查詢到的第一氣象數據生成第二回答。這樣，能夠增強大語言模型的專業知識和實時信息獲取能力，且第一氣象數據的存在使得大語言模型的決策過程具有可解釋性，進而能夠提升用戶體驗，使復雜工具的使用變得更加易于接觸和操作，從而為用戶提供更精準和個性化的響應。
本文檔來自技高網...【技術保護點】
1.一種氣象查詢系統，其特征在于，所述氣象查詢系統包括：大語言模型，所述大語言模型與多個工具連接，所述多個工具包括實時氣象查詢工具；
2.根據權利要求1所述的氣象查詢系統，其特征在于，所述氣象查詢系統還包括：微調模塊，所述微調模塊與所述大語言模型連接；
3.根據權利要求2所述的氣象查詢系統，其特征在于，所述大語言模型包括網絡參數，所述微調模塊用于采用如下方式實現所述基于LoRA技術對所述大語言模型進行微調：
4.根據權利要求3所述的氣象查詢系統，其特征在于，所述第一旁路參數和所述第二旁路參數用于采用如下公式微調所述網絡參數：
5.根據權利要求2至4任一項所述的氣象查詢系統，其特征在于，所述大語言模型與氣象向量數據庫連接，所述氣象向量數據庫包括多個氣象向量，每個所述氣象向量對應一個氣象數據，所述大語言模型還用于將所述第一查詢信息轉換為第一查詢向量，將所述第一查詢向量與所述多個氣象向量進行相似度計算，以確定與所述第一查詢向量最接近的m個氣象向量，獲取與所述m個氣象向量對應的m個氣象數據，將所述m個氣象數據與所述第一查詢信息輸入所述大語言
6.根據權利要求5所述的氣象查詢系統，其特征在于，所述氣象向量數據庫采用如下方式構建：
7.根據權利要求6所述的氣象查詢系統，其特征在于，所述氣象向量數據庫還包括索引列表，所述索引列表包括多個索引信息，
8.根據權利要求2至4任一項所述的氣象查詢系統，其特征在于，所述大語言模型還用于：對所述第一回答和所述第二回答進行語句重寫和敏感信息檢測。
9.一種氣象查詢方法，其特征在于，所述方法包括：
...【技術特征摘要】
1.一種氣象查詢系統，其特征在于，所述氣象查詢系統包括：大語言模型，所述大語言模型與多個工具連接，所述多個工具包括實時氣象查詢工具；
2.根據權利要求1所述的氣象查詢系統，其特征在于，所述氣象查詢系統還包括：微調模塊，所述微調模塊與所述大語言模型連接；
3.根據權利要求2所述的氣象查詢系統，其特征在于，所述大語言模型包括網絡參數，所述微調模塊用于采用如下方式實現所述基于lora技術對所述大語言模型進行微調：
4.根據權利要求3所述的氣象查詢系統，其特征在于，所述第一旁路參數和所述第二旁路參數用于采用如下公式微調所述網絡參數：
5.根據權利要求2至4任一項所述的氣象查詢系統，其特征在于，所述大語言模型與氣象向量數據庫連接，所述氣象向量數據庫包括多個氣象向量，每個所述氣象向量對應一個氣象數...
【專利技術屬性】
技術研發人員：劉進，陳煒鵬，鄭思睿，王恩強，劉子楓，黃勃，崔曉暉，唐永強，
申請(專利權)人：武漢大學，
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。