【技術實現步驟摘要】
本專利技術涉及圖像處理，尤其是涉及一種結合大語言模型和規則引擎的決策方法。
技術介紹
1、llm，如gpt-4能夠對大量非結構化文本數據進行訓練，具備強大的自然語言處理和理解能力，這些模型能夠從文本提取和摘要關鍵信息，生成高質量的描述，回答問題，在語言層面表現出一定的推理能力。然而llm在處理基于行業高度相關的結構化數據的業務邏輯和規則時目前存在較大的局限性。
2、規則引擎多采用基于預定義的規則集執行決策。能夠快速、高效地處理結構化業務規則和邏輯，完成風控、營銷等場景的業務決策任務，但在利用復雜的自然語言信息和處理需要更復雜多變的上下文理解的問題時效果有限，很難提取和設計相關的規則集在上述情況下完成任務大模型強大的語言能力使決策規則能夠突破現有能力邊界，決策更精準有效。
3、現有技術通常在應用中不同場景分別使用llm和規則引擎，缺乏將兩者有機結合的綜合性解決方案，導致在處理復雜決策任務(特別是需用到自然語言理解+復雜業務上下文的場景)時效果不理想。
技術實現思路
1、本專利技術的目的就是為了實現對復雜業務場景更多類型數據的有效利用，提升現有決策場景效能而提供的一種結合大語言模型和規則引擎的決策方法，通過集成llm的自然語言處理能力和規則引擎的結構化決策能力，提升現有決策場景效能，也能在原來難以自動化決策的特定場景得到應用。
2、本專利技術的目的可以通過以下技術方案來實現：
3、一種結合大語言模型和規則引擎的決策方法，方法包括以下步驟：
4、s1、基于大語言模型對業務場景中的文本提取關鍵信息和用戶意圖，將提取的信息轉化為結構化數據；
5、s2、使用規則引擎模塊對結構化數據進行業務邏輯處理，生成初步決策結果；
6、s3、將初步決策結果轉化為自然語言文本，并反饋給用戶；
7、s4、存儲初步決策結果對應的自然語言文本，并基于大語言模型獲取用戶的反饋數據，所述反饋數據包括正面或負面的情感評分和準確性評分，對反饋數據進行分析得到規則調整值，基于規則調整值調節規則引擎模塊的規則集中每條規則的權重和優先級，得到優化后的規則引擎模塊，所述優化后的規則引擎模塊用于輸出下次決策結果。
8、進一步地，所述規則調整值包括權重調整值和優先級調整值。
9、進一步地，權重調整值為：
10、
11、其中，fij表示規則ri在反饋樣本j中的貢獻值，sj表示反饋樣本j的情感評分，所述情感評分為正面或負面，n表示樣本數量。
12、進一步地，優先級調整值為：
13、
14、其中，aj表示反饋樣本j的準確性評分，k表示樣本數量。
15、進一步地，所述優化后的規則引擎模塊中的調整后的規則的權重為：
16、wi′＝wi+α·δw
17、其中，α為學習率，δw為權重調整值，wi′為調整后的規則的權重，wi為當前的規則的權重。
18、進一步地，所述優化后的規則引擎模塊中的調整后的規則的優先級為：
19、p′i＝pi+γ·δp
20、其中，γ為調整系數，δp為優先級調整值，p′i為調整后的規則的優先級，pi為當前的規則的權重。
21、進一步地，所述業務場景中的文本包括自然語言文本和各類相關的業務知識文檔。
22、進一步地，s2的具體步驟為：
23、將結構化數據輸入規則引擎模塊，根據規則引擎模塊中預定義的規則集，結合結構化數據生成初步決策結果。
24、進一步地，s4中，對反饋數據進行分析得到規則調整值之前，對所述反饋數據進行預處理。
25、進一步地，所述預處理包括清洗、分類標簽的提取和數值數據的歸一化。
26、與現有技術相比，本專利技術具有以下有益效果：
27、本專利技術通過大語言模型處理復雜的業務場景和決策任務，提升了決策的效率和準確性，同時將決策轉化為自然語言，以便用戶進行反饋，結合大語言模型提取的反饋信息對規則引擎的規則中的有優先級和權重進行更新，自動調整和優化規則引擎中的規則集，實現系統的自適應和自學習能力，提升現有決策場景效能，實現復雜業務場景下的自動化決策。
本文檔來自技高網...【技術保護點】
1.一種結合大語言模型和規則引擎的決策方法，其特征在于，方法包括以下步驟：
2.根據權利要求1所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，所述規則調整值包括權重調整值和優先級調整值。
3.根據權利要求2所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，權重調整值為：
4.根據權利要求3所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，優先級調整值為：
5.根據權利要求4所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，所述優化后的規則引擎模塊中的調整后的規則的權重為：
6.根據權利要求5所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，所述優化后的規則引擎模塊中的調整后的規則的優先級為：
7.根據權利要求1所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，所述業務場景中的文本包括自然語言文本和各類相關的業務知識文檔。
8.根據權利要求1所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，S2的具體步驟為：
9.根據權利要求1所
10.根據權利要求9所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，所述預處理包括清洗、分類標簽的提取和數值數據的歸一化。
...【技術特征摘要】
1.一種結合大語言模型和規則引擎的決策方法，其特征在于，方法包括以下步驟：
2.根據權利要求1所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，所述規則調整值包括權重調整值和優先級調整值。
3.根據權利要求2所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，權重調整值為：
4.根據權利要求3所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，優先級調整值為：
5.根據權利要求4所述的一種結合大語言模型和規則引擎的決策方法，其特征在于，所述優化后的規則引擎模塊中的調整后的規則的權重為：
6.根據權利要求5所述的一種結合大語言模型和規則引擎的決策方法...
【專利技術屬性】
技術研發人員：唐曉莉，譚炎，孫谷飛，陳奕，毛杰，
申請(專利權)人：中國太平洋人壽保險股份有限公司，
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。