【技術實現步驟摘要】
本專利技術涉及自然語言處理，尤其涉及基于語言大模型的企業管理制度問答控制方法及系統。
技術介紹
1、隨著信息技術的迅猛發展和大數據時代的到來，企業面臨著海量的信息處理和知識管理的挑戰。與此同時，深度學習技術的快速發展為自然語言處理領域帶來了革命性的變化。語言大模型(language?large?model，llm)是一種基于深度學習的自然語言處理模型，它能夠學習到自然語言的語法和語義，在文檔分類檢索、情感意圖識別、機器翻譯對話等眾多領域有著廣闊的應用前景。然而,企業管理中有大量規章制度，不同崗位人員在上崗前，大多都需要學習幾個甚至幾十個管理規程，而非管理人員知識儲備普遍偏低。傳統的企業管理制度問答系統將已有文檔知識存入數據庫，然后通過問題中的關鍵字來對數據庫中的知識進行相似度的查詢，這種方式可擴展性差、可解釋性弱，無法進行高效的問答控制。因此，如何高效、準確地回答企業管理制度相關的問題，成為企業信息化建設的重要課題。
2、現有的技術通過調用大語言模型并添加提示(prompt)模板充分結合背景知識，然后結合管線(pipeline)處理流實現圖數據庫知識自動化持續更新，最后通過在線服務的方式為用戶提供更高效準確的問答服務。
3、例如公開號為：cn116932708a的專利申請公開的大語言模型驅動的開放域自然語言推理問答系統及方法，包括：對用戶問題進行改寫，得到改寫問題；管理大語言模型的計算和知識資源并結合改寫問題的類型將大語言模型的計算和知識資源輸出至問答模塊；根據改寫問題和大語言模型的計算和知識資源推理得到
4、例如公開號cn117609436a專利申請公開的一種結合知識圖譜和大語言模型的高校科研管理問答系統，包括：對收集到的數據進行清洗，將可用的數據進行結構化，并以不同的格式存儲在數據庫中；對用戶的問題進行處理并提取出關鍵特征問題以獲得問題分類信息；根據問題分類信息并結合查詢結果和模型自身的知識，生成多樣性且高質量的回答。
5、但本專利技術在實現本專利技術實施例中專利技術技術方案的過程中，發現上述技術至少存在如下技術問題：
6、現有技術中，由于在進行問答過程中無法實時獲取待問答用戶的反饋結果，即使獲取了反饋結果也沒有充分利用，存在企業管理制度問答與用戶反饋關聯度低的問題。
技術實現思路
1、本專利技術實施例通過提供基于語言大模型的企業管理制度問答控制方法及系統，解決了現有技術中企業管理制度問答與用戶反饋關聯度低的問題，實現了企業管理制度問答與用戶反饋關聯度的提高。
2、本專利技術實施例提供了一種基于語言大模型的企業管理制度問答控制方法，包括以下步驟：
3、根據待問答用戶輸入的企業管理制度問題并結合對應的文本數據構建預訓練模型，所述預訓練模型用于結合訓練數據集對輸入的企業管理制度問題進行解析，所述訓練數據集為參考企業管理制度問題及對應的參考回答的集合；通過預訓練模型并結合設定的訪問權限對預設管理制度知識庫的內容進行管理和更新獲取問答數據集，所述問答數據集表示待問答用戶的企業管理制度問題及對應的參考回答；根據問答數據集對預訓練模型中的第一參數信息數據進行參數管理，所述第一參數信息數據包括參數信息數據和非參數信息數據，所述參數管理表示對第一參數信息數據進行更新、存儲、查詢和記錄；結合參數管理后的第一參數信息數據獲取第一答案數據，所述第一答案數據表示通過自然語言形式可視化呈現的第一參數信息數據。
4、可選地，所述預訓練模型的具體構建方法如下：收集企業管理制度的文本數據并進行數據預處理，所述數據預處理用于去除數據異常的情況；根據數據預處理的結果設計模型框架，同時對設計的模型框架進行評估獲取模型框架符合指數，所述模型框架具有學習和理解企業管理制度的文本數據的功能，所述模型框架符合指數表示設計的模型框架與預設模型框架之間的匹配程度；根據訓練數據集并結合模型框架符合指數滿足預設條件的模型框架制定模型訓練任務，所述模型訓練任務為對待問答用戶輸入的企業管理機制問題進行文本分類、問答對分類和序列標注；利用權重初始化模型參數并結合訓練數據集和模型訓練任務構建預訓練模型。
5、可選地，所述問答數據集的具體獲取方法如下：通過分析待問答用戶輸入的企業管理制度問題提取出特征信息并對特征信息進行信息整理，所述信息整理表示對特征信息進行結構化處理和可視化分類；結合安全密鑰設置待問答用戶對預設管理制度知識庫的內容進行訪問的權限，所述安全密鑰由動態驗證碼、生物特征識別和ip地址限制組成；根據信息整理的結果查詢預設管理制度知識庫中是否存在對應的內容，若存在，則生成問答數據對，否則對預設管理制度知識庫進行擴展并結合預訓練模型生成問答數據對，所述問答數據對表示待問答用戶輸入的企業管理制度問題對應的回答；對問答數據對進行篩選和分類生成問答數據集，并以圖表形式反饋給待問答用戶。
6、可選地，所述參數管理的具體步驟包括：實時接收問答數據集并對問答數據集中的參數信息數據進行數據更新；結合參數更新指標系數判斷是否需要對非參數信息數據進行更新，若需要，則進行更新與存儲，否則存儲數據更新后的問答數據集，所述參數更新指標系數表示對非參數信息數據進行更新的必要性；根據待問答用戶輸入的查詢條件檢索對應的第一參數信息數據并對參數管理的性能進行優化；結合異常信息分類指數定位優化過程中出現的異常信息類型并進行二次處理，所述異常信息分類指數用于描述出現的異常信息類型的識別準確度。
7、可選地，所述第一答案數據的具體獲取流程為：通過預訓練模型對待問答用戶輸入的企業管理制度問題進行二次解析，所述二次解析用于對輸入的企業管理制度問題中的關鍵詞、句法和語義結構進行分析和解答；根據二次解析的結果在預設管理制度知識庫中搜索對應的問答內容并結合參數管理后的第一參數信息數據獲取第一答案數據以反饋給待問答用戶。
8、可選地，所述模型框架符合指數的具體獲取方法如下：通過分析待問答用戶輸入的企業管理制度問題得到模型框架結構特征數據，并根據模型框架結構特征數據獲取模型結構匹配度，所述模型結構匹配度表示待問答用戶輸入的企業管理制度問題與模型框架內部結構的契合程度；分析模型框架內部結構連接節點之間的關系并結合模型框架的參數權重獲取模型結構復雜度，所述模型結構復雜度用于衡量模型結構框架的復雜程度；根據訓練數據集對待問答用戶輸入的企業管理制度問題進行評估，并與模型框架的預期性能進行對比獲取模型性能評估誤差率，所述模型性能評估誤差率用于衡量模型框架在實際應用過程中的表現與預期性能之間的差距；結合模型結構匹配度、模型結構復雜度和模型性能評估誤差率的參考值和參考偏差得到對應的相對偏差，并判斷獲取的相對偏差是否均不大于1，若均大于1，則表明對應的模型框架不符合需求，否則結合對應數據的平均值計算模型框架符合指數，所述模型框架符合指數通過以下公式進行計算：
9、
10、式中，m為待問答用戶本文檔來自技高網...
【技術保護點】
1.一種基于語言大模型的企業管理制度問答控制方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述預訓練模型的具體構建方法如下：
3.如權利要求1所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述問答數據集的具體獲取方法如下：
4.如權利要求2所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述參數管理的具體步驟包括：
5.如權利要求1所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述第一答案數據的具體獲取流程為：
6.如權利要求4所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述模型框架符合指數的具體獲取方法如下：
7.如權利要求4所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述參數更新指標系數通過以下公式進行計算：
8.如權利要求4所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述二次處理具體包括以下步驟：
9.如權利要求8所述的基于語言大
10.一種基于語言大模型的企業管理制度問答控制系統，其特征在于，包括預訓練模型構建模塊、知識庫管理模塊、緩存知識管理模塊和問答控制模塊；
...【技術特征摘要】
1.一種基于語言大模型的企業管理制度問答控制方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述預訓練模型的具體構建方法如下：
3.如權利要求1所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述問答數據集的具體獲取方法如下：
4.如權利要求2所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述參數管理的具體步驟包括：
5.如權利要求1所述的基于語言大模型的企業管理制度問答控制方法，其特征在于，所述第一答案數據的具體獲取流程為：
6.如權利要求4所述的基于語言大模...
【專利技術屬性】
技術研發人員：魏華，鄭小崗，
申請(專利權)人：北京航軌智行科技有限公司，
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。