基于大模型的培训经验内容获取方法、装置、设备及介质与流程

摘要: 本发明涉及人工智能与知识管理,尤其涉及一种基于大模型的培训经验内容获取方法、装置、设备及介质。背景技术:1、随着人工智能发展,大语言模型在自然语言处理中广泛应用...
基于大模型的培训经验内容获取方法、装置、设备及介质与流程

本发明涉及人工智能与知识管理,尤其涉及一种基于大模型的培训经验内容获取方法、装置、设备及介质。

背景技术:

1、随着人工智能发展,大语言模型在自然语言处理中广泛应用,目前主要是通过大模型直接对技术问题进行处理,但是对于一些精细化问题(例如老员工的设备故障处理技巧、客户谈判策略等)的处理方式,现有技术通常仍将其视为通用文本,直接进行关键词检索、分类或摘要生成,而缺乏针对隐性经验特征的专门建模与利用机制。

技术实现思路

1、基于此,有必要针对现有的针对隐性经验特征的专门建模与利用机制问题,提出了一种基于大模型的培训经验内容获取方法、装置、设备及介质。

2、一种基于大模型的培训经验内容获取方法,所述方法包括:

3、利用大语言模型对经验文本数据进行语义级检测,提取出具有经验描述特征的多个候选文本片段;

4、对所述候选文本片段进行结构化解析,生成对应的结构化经验向量;其中,所述结构化经验向量至少包含场景属性字段、行动逻辑字段和结果判定字段;

5、根据预设的效用评估策略对各个所述结构化经验向量进行评估,得到各个所述结构化经验向量对应的隐性经验等级;

6、将所述隐性经验等级大于预设经验等级的结构化经验向量记为目标经验向量;

7、将各个所述目标经验向量添加至预设的初始知识图谱中,得到经验知识图谱;

8、响应于培训信息的输入,提取并输出所述经验知识图谱中对应的培训经验内容。

9、进一步地,所述利用大语言模型对经验文本数据进行语义级检测,提取出具有经验描述特征的多个候选文本片段的步骤,包括:

10、识别所述经验文本数据中的对话主体身份信息;

11、统计所述对话主体发言中的因果逻辑词密度;

12、将所述对话主体身份信息与所述因果逻辑词密度作为联合判别特征,输入至所述大语言模型中,判定各文本段落是否蕴含经验传递意图;

13、将判定为蕴含经验传递意图的文本段落提取为所述候选文本片段。

14、进一步地,所述将判定为蕴含经验传递意图的文本段落提取为所述候选文本片段的步骤之后,还包括:

15、设定最小语义单元约束条件,所述最小语义单元约束条件包括:文本长度不少于预设数量的字符,且包含至少一个动作动词和至少一个条件状语;

16、根据所述最小语义单元约束条件,对各个候选文本片段进行过滤,保留满足所述最小语义单元约束条件的候选文本片段。

17、进一步地,所述对所述候选文本片段进行结构化解析,生成对应的结构化经验向量的步骤,包括:

18、构建标准化本体框架;其中,所述标准化本体框架定义有场景实体、条件实体、动作实体和结果实体四类实体及其关联关系;

19、将所述候选文本片段中的各字段信息映射至所述标准化本体框架下,采用one-hot编码结合tf-idf加权生成符号化向量;

20、将所述候选文本片段输入大语言模型,提取生成语义稠密向量;

21、将所述符号化向量与所述语义稠密向量按预设权重比例进行加权融合,生成所述结构化经验向量。

22、进一步地,所述根据预设的效用评估策略对各个所述结构化经验向量进行评估,得到各个所述结构化经验向量对应的隐性经验等级的步骤,包括:

23、将所述结构化经验向量输入大语言模型,并设定认知水平约束参数;

24、在所述认知水平约束参数下,驱动所述大语言模型模拟执行所述结构化经验向量所对应的处理过程,生成模拟结果向量;

25、获取预存储的理想结构化向量;

26、计算所述模拟结果向量与所述理想结构化向量之间的综合差异度;

27、根据所述综合差异度确定所述结构化经验向量对应的隐性经验等级,其中所述综合差异度与所述隐性经验等级正相关。

28、进一步地,所述将各个所述目标经验向量添加至预设的初始知识图谱中,得到经验知识图谱的步骤,包括:

29、将各个所述目标经验向量中的场景属性字段与所述初始知识图谱中已有的图谱节点进行匹配;

30、当匹配成功时,将所述目标经验向量作为新增属性信息关联存储至匹配的图谱节点下;

31、当匹配失败时,根据所述目标经验向量的场景属性字段在所述初始知识图谱中创建新图谱节点,并将所述目标经验向量存储于所述新图谱节点下;

32、将所述目标经验向量所对应的图谱节点,与所述初始知识图谱中的根节点建立直接连接关系,并使所述直接连接关系的路径权重高于非高隐性经验等级对应的图谱节点与所述根节点之间的路径权重;其中非高隐性经验等级为小于或等于预设经验等级的隐性经验等级。

33、进一步地,所述响应于培训信息的输入,提取并输出所述经验知识图谱中对应的培训经验内容的步骤,包括:

34、接收包含故障代码、设备类型或地理位置的培训信息;

35、以所述培训信息中的字段作为检索键值,对所述经验知识图谱中的场景属性字段进行匹配检索;

36、提取检索匹配的图谱节点下存储的结构化经验向量;

37、按照所述场景属性字段、行动逻辑字段和结果判定字段的字段顺序,将所提取的结构化经验向量拼接生成自然语言格式的培训经验内容并输出。

38、一种基于大模型的培训经验内容获取装置,所述装置包括:

39、检测模块,用于利用大语言模型对经验文本数据进行语义级检测,提取出具有经验描述特征的多个候选文本片段;

40、解析模块,用于对所述候选文本片段进行结构化解析,生成对应的结构化经验向量;其中,所述结构化经验向量至少包含场景属性字段、行动逻辑字段和结果判定字段;

41、评估模块,用于根据预设的效用评估策略对各个所述结构化经验向量进行评估,得到各个所述结构化经验向量对应的隐性经验等级;

42、标记模块,用于将所述隐性经验等级大于预设经验等级的结构化经验向量记为目标经验向量;

43、添加模块,用于将各个所述目标经验向量添加至预设的初始知识图谱中,得到经验知识图谱;

44、输出模块,用于响应于培训信息的输入,提取并输出所述经验知识图谱中对应的培训经验内容。一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:

45、利用大语言模型对经验文本数据进行语义级检测,提取出具有经验描述特征的多个候选文本片段;

46、对所述候选文本片段进行结构化解析,生成对应的结构化经验向量;其中,所述结构化经验向量至少包含场景属性字段、行动逻辑字段和结果判定字段;

47、根据预设的效用评估策略对各个所述结构化经验向量进行评估,得到各个所述结构化经验向量对应的隐性经验等级;

48、将所述隐性经验等级大于预设经验等级的结构化经验向量记为目标经验向量;

49、将各个所述目标经验向量添加至预设的初始知识图谱中,得到经验知识图谱;

50、响应于培训信息的输入,提取并输出所述经验知识图谱中对应的培训经验内容。

51、一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:

52、利用大语言模型对经验文本数据进行语义级检测,提取出具有经验描述特征的多个候选文本片段;

53、对所述候选文本片段进行结构化解析,生成对应的结构化经验向量;其中,所述结构化经验向量至少包含场景属性字段、行动逻辑字段和结果判定字段;

54、根据预设的效用评估策略对各个所述结构化经验向量进行评估,得到各个所述结构化经验向量对应的隐性经验等级;

55、将所述隐性经验等级大于预设经验等级的结构化经验向量记为目标经验向量;

56、将各个所述目标经验向量添加至预设的初始知识图谱中,得到经验知识图谱;

57、响应于培训信息的输入,提取并输出所述经验知识图谱中对应的培训经验内容。

58、本发明的有益效果:通过利用大语言模型对经验文本数据进行语义级检测,精准提取出具有经验描述特征的多个候选文本片段,进而对这些片段进行结构化解析,生成包含场景属性字段、行动逻辑字段和结果判定字段的结构化经验向量,实现了隐性经验从非结构化文本到规范化数据形式的转化;在此基础上,根据预设的效用评估策略对各个结构化经验向量进行评估,得到对应的隐性经验等级,并将等级大于预设经验等级的向量记为目标经验向量,从而筛选出具有高教学价值的核心经验内容;随后,将各个目标经验向量添加至预设的初始知识图谱中,构建出具备分层结构的经验知识图谱,并响应于培训信息的输入,提取并输出图谱中对应的培训经验内容。使得系统能够自动识别并量化经验的教学价值,避免了低质量或冗余信息的干扰,提升了知识图谱构建的针对性与教育有效性,增强了经验条目的可读性与逻辑一致性,保障了知识演进过程的可追溯性,并提升了关键经验的覆盖完整性和组织参与度,最终实现了从非结构化日志到场景化培训内容的自动化生成。