CN117290462B - 一种数据大模型的智能决策系统及方法 - Google Patents
一种数据大模型的智能决策系统及方法 Download PDFInfo
- Publication number
- CN117290462B CN117290462B CN202311586372.2A CN202311586372A CN117290462B CN 117290462 B CN117290462 B CN 117290462B CN 202311586372 A CN202311586372 A CN 202311586372A CN 117290462 B CN117290462 B CN 117290462B
- Authority
- CN
- China
- Prior art keywords
- decision
- module
- model
- execution
- service object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013499 data model Methods 0.000 title description 3
- 238000011156 evaluation Methods 0.000 claims abstract description 34
- 230000008901 benefit Effects 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种数据大模型的智能决策系统及方法,涉及智能决策技术领域,包括大语言模型模块、信息收集模块、模型校准模块、用户识别模块、场景创建模块、决策生成模块和决策评价模块;所述大语言模型模块内设置有大语言模型;所述信息收集模块用于收集服务对象的决策相关信息;该数据大模型的智能决策系统及方法,通过设置语言模型模块、信息收集模块、模型校准模块、用户识别模块、场景创建模块、决策生成模块和决策评价模块,实现了可根据服务对象的不同,制定更符合服务对象的决策方案,提高了决策的效果和精度。
Description
技术领域
本发明涉及智能决策技术领域,具体涉及一种数据大模型的智能决策系统及方法。
背景技术
智能决策是组织或个人综合利用多种智能技术和工具,基于既定目标,对相关数据进行建模、分析并得到决策的过程。该过程综合约束条件、策略、偏好、不确定性等因素,可自动实现最优决策,以用于解决新增长时代日益复杂的生产、生活问题。
公开号为CN114862233A的发明专利,公开了智能决策方法,包括:响应于用户创建的操作,如决策结果的搜索;响应于用户创建的操作,获取所要创建的输入信息数据,并转换成计算机及人员所能理解的信息;响应于用户创建的操作,基于获取的输入数据信息,利用推理机及人工专家推理从而创建用户所需的决策指标;响应于用户创建的操作,基于推理机及人工专家推理所创建的决策指标,进行对比分析,从而决出最优决策指标;响应于用户创建的操作,基于得出的最优决策及分歧结果,展示给用户。该发明通过采用计算机的大数据处理及人工的细节化处理,可吸收计算机在大方向上决策结果的同时通过人工提供给予用户进行更细微化决策结果的优点。
然而上述现有技术中还存在将用于创建输入的信息转换成计算机可识别的信息,根据这些信息推理出决策指标的过程不够精确,根据服务对象的不同,决策指标也会有一定的不同,直接运用于不同的行业或服务对象,可能会导致分析得到的决策指标不够精确、完整,影响最后的决策结果的精度。
发明内容
本发明的目的是提供一种数据大模型的智能决策系统及方法,以解决现有技术中的上述不足之处。
为了实现上述目的,本发明提供如下技术方案:一种数据大模型的智能决策系统,包括大语言模型模块、信息收集模块、模型校准模块、用户识别模块、场景创建模块、决策生成模块、决策评价模块;
所述大语言模型模块内设置有大语言模型,直接导入现有的大语言模型储存到大语言模型模块中;所述信息收集模块用于收集服务对象的决策相关信息,决策相关信息包括决策相关的参考资料、历史决策的过程与结果资料,以及执行决策的结果相关资料;在实际运用中需要用户先输入自身资料,如需要决策内容的类型、所属行业和需要决策的方向等,然后信息收集模块可通过两种方式收集决策相关的参考资料,一是直接接收用户直接导入的相关资料,二是信息收集模块通过用户输入的信息从网络或设置的数据库中检索同类型的决策资料;所述模型校准模块用于基于所述信息收集模块收集的信息,对所述大语言模型进行训练,得到改进模型储存到所述大语言模型模块中,并将所述改进模型与所述服务对象关联;所述用户识别模块用于根据服务对象登录信息识别服务对象及服务对象类型;还用于调取与服务对象关联的改进模型或与该服务对象同类型的服务对象关联的改进模型备用;同类型表示决策内容的类型、所属行业以及需要决策的方向相同或相似;用户使用决策系统需要登录,登录后用户识别模块自动获取用户信息,即获取了服务对象信息,并检索大语言模型模块中是否储存有与该服务对象对应的改进模型,若有则直接调取该改进模型留待使用;若没有则再检索大语言模型模块中是否存在与该服务对象同类型的服务对象的改进模型,则调取该改进模型留待使用。
所述场景创建模块用于输入信息,并根据输入信息创建决策场景,即用户通过场景创建模块输入需要进行决策的相关信息创建出决策场景;所述决策生成模块用于基于所述用户识别模块调取备用的改进模型,对所述输入信息进行处理得到决策指标,即从输入信息中提取出决策指标,方便后续根据决策指标生成决策结果,并基于所述决策指标和创建的决策规则,生成多个决策结果,其中决策指标为根据行业规则和专家意见设定好的;所述决策评价模块用于模拟执行决策结果,获得执行结果,并分别从成本、收益和时间方面比较各执行结果,基于决策结果和比较结果对决策结果进行调整。
进一步的,所述用户识别模块调取改进模型备用时,具体包括:
检索大语言模型模块中是否储存有与服务对象关联的改进模型;
若有则直接调取该改进模型备用;
若没有则再检索大语言模型模块中是否存在与服务对象同类型的服务对象关联的改进模型,则调取该改进模型备用。
进一步的,所述信息收集模块还用于收集决策评价模块对决策结果进行所述模拟执行和所述调整的信息;
所述模型校准模块还用于基于收集决策评价模块对决策结果进行所述模拟执行和所述调整的信息,对所述决策结果对应的改进模型进行训练。
进一步的,若所述决策结果对应的服务对象在大语言模型模块中不存在关联的改进模型,则将重新训练后的改进模型与该服务对象关联。
进一步的,若所述决策结果对应的服务对象在大语言模型模块中存在关联的改进模型,则将关联的改进模型更新为使用重新训练后的改进模型。
一种数据大模型的智能决策方法,包括以下步骤:
S1、获取大语言模型;
S2、收集服务对象的决策相关信息;
S3、基于收集的决策相关信息,对所述大语言模型进行训练,得到改进模型,并将所述改进模型与所述服务对象关联;
S4、识别服务对象,调取与其关联的或与其同类型的服务对象关联的改进模型备用;
S5、服务对象输入信息创建决策场景;
S6、基于所述改进模型和所述输入信息,得到决策指标,基于所述决策指标和创建的决策规则,生成多个决策结果;
S7、模拟执行决策结果,获得执行结果,并分别从成本、收益和时间方面比较各执行结果,基于决策结果和比较结果对决策结果进行调整。
进一步的,所述模拟执行决策结果的具体步骤包括:
将决策结果整理成执行步骤;
逐步执行每个步骤,执行每个步骤时输入执行该步骤需要花费的成本、时间和执行该步骤后可得到的收益;
计算每个决策结果执行完成后最终的成本、时间和收益。
进一步的,分别从成本、收益和时间方面比较各执行结果,基于决策结果和比较结果对决策结果进行调整,具体包括:
设定成本、收益和时间的权重;
基于每个决策结果执行完成后最终的成本、时间和收益,以及成本、收益和时间的权重计算得到每个决策结果的评价分数;
从所述多个决策结果中选择评价分数最优的决策结果及其执行步骤,作为最优决策结果和最优执行步骤;
逐步骤的将最优执行步骤的每一步与剩余决策结果的对应执行步骤进行对比,比较步骤评价分数;其中,所述剩余决策结果为所述多个决策结果中除所述最优决策结果外的决策结果
若剩余决策结果的对应执行步骤的评价分数高于最优执行步骤的评价分数,判断是否可使用所述剩余决策结果的对应执行步骤替换最优执行决策结果的执行步骤;
若是则进行替换,若否则对下一步骤进行对比和判断。
与现有技术相比,本发明提供的一种数据大模型的智能决策系统及方法,通过设置语言模型模块、信息收集模块、模型校准模块、用户识别模块、场景创建模块、决策生成模块、决策评价模块,实现了可根据服务对象的不同,制定更符合服务对象的决策方案,提高了决策的效果和精度。
同时,本申请提供的数据大模型的智能决策系统及方法,还可随服务对象的使用,对决策系统进行更新,使得到的决策结果更符合服务对象的应用场景,进一步提高了决策效果和决策结果的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的系统结构框图;
图2为本发明实施例提供的步骤示意图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面将结合附图对本发明作进一步的详细介绍。
在本发明的描述中,需要理解的是,术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语"第一"、"第二"仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,"多个"的含义是两个或两个以上,除非另有明确具体的限定。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在下文中将参考附图更充分地描述示例实施例,但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之,提供这些实施例的目的在于使本公开透彻和完整,并将使本领域技术人员充分理解本公开的范围。
在不冲突的情况下,本公开各实施例及实施例中的各特征可相互组合。
如本文所使用的,术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。
本文所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此,可根据制造技术和/或容限来修改示例图示。因此,实施例不限于附图中所示的实施例,而是包括基于制造工艺而形成的配置的修改。因此,附图中例示的区具有示意性属性,并且图中所示区的形状例示了元件的区的具体形状,但并不旨在是限制性的。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
请参阅图1和图2,本申请提供的数据大模型的智能决策系统,包括大语言模型模块、信息收集模块、模型校准模块、用户识别模块、场景创建模块、决策生成模块和决策评价模块。
大语言模型模块内设置有大语言模型,相关人员如系统运维人员或用户可以直接导入现有的大语言模型储存到大语言模型模块中。
信息收集模块用于收集服务对象的决策相关信息,决策相关信息包括决策相关的参考资料、历史决策的过程与结果资料,以及执行决策的结果相关资料;在实际运用中,需要用户先输入自身资料,如需要决策内容的类型、所属行业和需要决策的方向等,此时,信息收集模块可通过两种方式收集决策相关的参考资料,一是直接接收用户导入的相关资料,二是信息收集模块通过用户输入的信息从网络或设置的数据库中检索同类型的决策资料。
模型校准模块用于基于信息收集模块收集的信息,对大语言模型进行训练,得到改进模型储存到大语言模型模块中,并将改进模型与服务对象关联。
用户识别模块用于根据服务对象登录信息识别服务对象及服务对象类型;还用于调取与服务对象关联的改进模型或与该服务对象同类型的服务对象关联的改进模型备用;同类型表示决策内容的类型、所属行业以及需要决策的方向相同或相似;用户使用决策系统需要登录,登录后用户识别模块自动获取用户信息,即获取了服务对象信息,并检索大语言模型模块中是否储存有与该服务对象对应的改进模型,若有则直接调取该改进模型留待使用;若没有则再检索大语言模型模块中是否存在与该服务对象同类型的服务对象关联的改进模型,若有则调取该改进模型留待使用。
场景创建模块用于输入信息,并根据输入信息创建决策场景,即用户通过场景创建模块输入需要进行决策的相关信息创建出决策场景。
决策生成模块用于基于用户识别模块调取备用的改进模型,对用户通过场景创建模块输入的输入信息进行处理得到决策指标,即从输入信息中提取出决策指标,方便后续根据决策指标生成决策结果,并基于决策指标和创建的决策规则,生成多个决策结果,其中决策指标以及决策规则为根据行业规则和专家意见设定好的。
决策评价模块用于模拟执行决策结果,获得执行结果,并分别从成本、收益和时间方面比较各执行结果,基于决策结果和比较结果对决策结果进行调整。
信息收集模块还用于收集决策评价模块对决策结果进行模拟执行和调整的信息;模型校准模块基于信息收集模块收集的决策评价模块对决策结果进行模拟执行和调整的信息,对决策结果对应的改进模型进行训练。
若决策结果对应的服务对象在大语言模型模块中不存在关联的改进模型,则将重新训练后的改进模型与该服务对象关联,使得该服务对象具备关联的改进模型,提高该服务对象后续决策的效果。
若决策结果对应的服务对象在大语言模型模块中存在关联的改进模型,则将关联的改进模型更新为使用重新训练后的改进模型,对服务对象关联的改进模型进行更新,进一步提高服务对象的决策效果。
本申请提供的数据大模型的智能决策方法,包括以下步骤:
S1、获取大语言模型,具体可以是接收导入系统的大语言模型。
S2、收集服务对象的决策相关信息。
S3、基于收集的决策相关信息,对大语言模型进行训练,得到改进模型,并将改进模型与服务对象关联。
S4、识别服务对象,调取与其关联的或与其同类型的服务对象关联的改进模型备用。
S5、服务对象输入信息创建决策场景。
S6、基于改进模型和输入信息,得到决策指标,基于决策指标和创建的决策规则,生成多个决策结果。
S7、模拟执行决策结果,获得执行结果,并分别从成本、收益和时间方面比较各执行结果,基于决策结果和比较结果对决策结果进行调整。
S7中,模拟执行决策结果的具体步骤包括:
将决策结果整理成执行步骤。
逐步执行每个步骤,执行每个步骤时输入执行该步骤需要花费的成本、时间和执行该步骤后可得到的收益。其中,此处的输入可以是用户或系统运维人员实时输入的,也可以是提前在系统中输入的。
计算每个决策结果执行完成后最终的成本、时间和收益。
S7中,分别从成本、收益、时间方面比较各执行结果,基于决策结果和比较结果对决策结果进行调整,具体包括:
设定成本、收益和时间的权重。
基于每个决策结果执行完成后最终的成本、时间和收益,以及成本、收益和时间的权重计算得到每个决策结果的评价分数。
从上述生成的多个决策结果中选择评价分数最优的决策结果及其执行步骤,作为最优决策结果和最优执行步骤,逐步骤的将最优执行步骤的每一步与剩余决策结果的对应执行步骤进行对比,比较各步骤评价分数。其中,剩余决策结果为多个决策结果中除最优决策结果外的决策结果。
若剩余决策结果的对应执行步骤的评价分数高于最优决策结果的执行步骤的评价分数,判断是否可使用剩余决策结果的对应执行步骤替换最优决策结果的执行步骤。
若是则进行替换,若否则对下一步骤进行对比和判断。
以上只通过说明的方式描述了本发明的某些示范性实施例,毋庸置疑,对于本领域的普通技术人员,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所描述的实施例进行修正。因此,上述附图和描述在本质上是说明性的,不应理解为对本发明权利要求保护范围的限制。
Claims (6)
1.一种数据大模型的智能决策系统,其特征在于:包括大语言模型模块、信息收集模块、模型校准模块、用户识别模块、场景创建模块、决策生成模块、决策评价模块;
所述大语言模型模块内设置有大语言模型;
所述信息收集模块用于收集服务对象的决策相关信息;
所述模型校准模块用于基于所述信息收集模块收集的信息,对所述大语言模型进行训练,得到改进模型储存到所述大语言模型模块中,并将所述改进模型与所述服务对象关联;
所述用户识别模块用于根据服务对象登录信息识别服务对象及服务对象类型;还用于调取与服务对象关联的改进模型或与该服务对象同类型的服务对象关联的改进模型备用;所述场景创建模块用于输入信息,并根据输入信息创建决策场景;
所述决策生成模块用于基于所述用户识别模块调取备用的改进模型,对所述输入信息进行处理得到决策指标,并基于所述决策指标和创建的决策规则,生成多个决策结果;
所述决策评价模块用于模拟执行决策结果,获得执行结果,并分别从成本、收益和时间方面比较各执行结果,基于决策结果和比较结果对决策结果进行调整;包括:设定成本、收益和时间的权重;基于每个决策结果执行完成后最终的成本、时间和收益,以及成本、收益和时间的权重计算得到每个决策结果的评价分数;从所述多个决策结果中选择评价分数最优的决策结果及其执行步骤,作为最优决策结果和最优执行步骤;逐步骤的将所述最优执行步骤的每一步与剩余决策结果的对应执行步骤进行对比,比较各步骤评价分数;其中,所述剩余决策结果为所述多个决策结果中除所述最优决策结果外的决策结果;若所述剩余决策结果的对应执行步骤的评价分数高于所述最优执行步骤的评价分数,判断是否可使用所述剩余决策结果的对应执行步骤替换最优执行步骤;若是则进行替换,若否则对下一步骤进行对比和判断;
或将决策结果整理成执行步骤;逐步执行每个步骤,执行每个步骤时输入执行该步骤需要花费的成本、时间和执行该步骤后可得到的收益;计算每个决策结果执行完成后最终的成本、时间和收益。
2.根据权利要求1所述的一种数据大模型的智能决策系统,其特征在于:所述用户识别模块调取改进模型备用时,具体包括:
检索所述大语言模型模块中是否储存有与服务对象关联的改进模型;
若有则直接调取该改进模型备用;
若没有则再检索所述大语言模型模块中是否存在与服务对象同类型的服务对象关联的改进模型,若有则调取该改进模型备用。
3.根据权利要求1所述的一种数据大模型的智能决策系统,其特征在于:所述信息收集模块还用于收集所述决策评价模块对决策结果进行所述模拟执行和所述调整的信息;
所述模型校准模块还用于基于收集决策评价模块对决策结果进行所述模拟执行和所述调整的信息,对所述决策结果对应的改进模型进行训练。
4.根据权利要求3所述的一种数据大模型的智能决策系统,其特征在于,还包括:若所述决策结果对应的服务对象在大语言模型模块中不存在关联的改进模型,则将重新训练后的改进模型与该服务对象关联。
5.根据权利要求3所述的一种数据大模型的智能决策系统,其特征在于:若所述决策结果对应的服务对象在大语言模型模块中存在关联的改进模型,则将关联的改进模型更新为重新训练后的改进模型。
6.一种数据大模型的智能决策方法,应用于权利要求1-5任一项所述的一种数据大模型的智能决策系统,其特征在于:包括以下步骤:
S1、获取大语言模型;
S2、收集服务对象的决策相关信息;
S3、基于收集的决策相关信息,对所述大语言模型进行训练,得到改进模型,并将所述改进模型与所述服务对象关联;
S4、识别服务对象,调取与其关联的或与其同类型的服务对象关联的改进模型备用;
S5、服务对象输入信息创建决策场景;
S6、基于所述改进模型和所述输入信息,得到决策指标,基于所述决策指标和创建的决策规则,生成多个决策结果;
S7、模拟执行决策结果,获得执行结果,并分别从成本、收益和时间方面比较各执行结果,基于决策结果和比较结果对决策结果进行调整;包括:将决策结果整理成执行步骤;逐步执行每个步骤,执行每个步骤时输入执行该步骤需要花费的成本、时间和执行该步骤后可得到的收益;计算每个决策结果执行完成后最终的成本、时间和收益;
或设定成本、收益和时间的权重;基于每个决策结果执行完成后最终的成本、时间和收益,以及成本、收益和时间的权重计算得到每个决策结果的评价分数;从所述多个决策结果中选择评价分数最优的决策结果及其执行步骤,作为最优决策结果和最优执行步骤;逐步骤的将所述最优执行步骤的每一步与剩余决策结果的对应执行步骤进行对比,比较各步骤评价分数;其中,所述剩余决策结果为所述多个决策结果中除所述最优决策结果外的决策结果;若所述剩余决策结果的对应执行步骤的评价分数高于所述最优执行步骤的评价分数,判断是否可使用所述剩余决策结果的对应执行步骤替换最优执行步骤;若是则进行替换,若否则对下一步骤进行对比和判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311586372.2A CN117290462B (zh) | 2023-11-27 | 2023-11-27 | 一种数据大模型的智能决策系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311586372.2A CN117290462B (zh) | 2023-11-27 | 2023-11-27 | 一种数据大模型的智能决策系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117290462A CN117290462A (zh) | 2023-12-26 |
CN117290462B true CN117290462B (zh) | 2024-04-05 |
Family
ID=89239420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311586372.2A Active CN117290462B (zh) | 2023-11-27 | 2023-11-27 | 一种数据大模型的智能决策系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117290462B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117670154A (zh) * | 2024-01-31 | 2024-03-08 | 青岛创新奇智科技集团股份有限公司 | 一种基于决策大模型的供应链管理方法、系统及设备 |
CN117809629B (zh) * | 2024-02-29 | 2024-05-24 | 青岛海尔科技有限公司 | 基于大模型的交互系统更新方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401722A (zh) * | 2020-03-11 | 2020-07-10 | 第四范式(北京)技术有限公司 | 智能决策方法和智能决策系统 |
CN114862233A (zh) * | 2022-05-23 | 2022-08-05 | 深圳微言科技有限责任公司 | 智能决策方法和智能决策系统 |
CN116484217A (zh) * | 2023-04-17 | 2023-07-25 | 云南元矩阵科技有限公司 | 一种基于多模态预训练大模型的智能决策方法及系统 |
CN116880867A (zh) * | 2023-05-25 | 2023-10-13 | 上海淇玥信息技术有限公司 | 基于策略大模型的决策引擎更新方法及装置 |
CN117114250A (zh) * | 2023-10-24 | 2023-11-24 | 广州知韫科技有限公司 | 一种基于大模型的智能决策系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011735A1 (en) * | 2015-07-10 | 2017-01-12 | Electronics And Telecommunications Research Institute | Speech recognition system and method |
-
2023
- 2023-11-27 CN CN202311586372.2A patent/CN117290462B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401722A (zh) * | 2020-03-11 | 2020-07-10 | 第四范式(北京)技术有限公司 | 智能决策方法和智能决策系统 |
CN114862233A (zh) * | 2022-05-23 | 2022-08-05 | 深圳微言科技有限责任公司 | 智能决策方法和智能决策系统 |
CN116484217A (zh) * | 2023-04-17 | 2023-07-25 | 云南元矩阵科技有限公司 | 一种基于多模态预训练大模型的智能决策方法及系统 |
CN116880867A (zh) * | 2023-05-25 | 2023-10-13 | 上海淇玥信息技术有限公司 | 基于策略大模型的决策引擎更新方法及装置 |
CN117114250A (zh) * | 2023-10-24 | 2023-11-24 | 广州知韫科技有限公司 | 一种基于大模型的智能决策系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117290462A (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117290462B (zh) | 一种数据大模型的智能决策系统及方法 | |
CN112859822B (zh) | 基于人工智能的设备健康分析及故障诊断的方法及系统 | |
CN113779272B (zh) | 基于知识图谱的数据处理方法、装置、设备及存储介质 | |
CN110599839A (zh) | 一种基于智能组卷和文本分析评阅的在线考试方法和系统 | |
CN112756759B (zh) | 点焊机器人工作站故障判定方法 | |
CN110866775A (zh) | 一种基于机器学习的用户空铁联程城际出行信息处理方法 | |
CN115374106B (zh) | 一种基于知识图谱技术的数据智能分级方法 | |
CN116805533A (zh) | 一种基于数据收集与模拟的脑出血手术风险预测系统 | |
CN110033191B (zh) | 一种商业人工智能的分析方法及系统 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
CN116862477A (zh) | 一种智能维修辅助方法、系统、设备及存储介质 | |
CN112950048A (zh) | 基于模糊综合评价的国家高等教育体系健康评价 | |
CN116861358A (zh) | 基于bp神经网络与多源数据融合的计算思维评测方法 | |
CN108363738B (zh) | 一种工业设备数据分析算法的推荐方法 | |
CN115757464A (zh) | 一种基于深度强化学习的智能物化视图查询方法 | |
CN114820074A (zh) | 基于机器学习的目标用户群体预测模型构建方法 | |
CN114565139A (zh) | 基于lstm模型的汽车车身焊接工艺质量评分预测方法及装置 | |
KR101629178B1 (ko) | 다중 특허지표를 이용한 기술 수명 주기 분석 장치 | |
CN114282875A (zh) | 流程审批确定性规则和语义自学习结合判定方法及装置 | |
CN117932089A (zh) | 一种基于知识图谱的数据分析方法 | |
Djeddi et al. | Introducing artificial neural network in ontologies alignment process | |
Djeddi et al. | Introducing artificial neural network in ontologies alignement process | |
CN113505237A (zh) | 一种指数计算平台、方法及装置 | |
CN117936035A (zh) | 一种基于大数据的心理咨询对比分析方法及系统 | |
CN118012930A (zh) | 用于人防指挥的事件监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |