CN117453722A - 获取信息的方法、装置、电子设备及存储介质 - Google Patents
获取信息的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117453722A CN117453722A CN202311348445.4A CN202311348445A CN117453722A CN 117453722 A CN117453722 A CN 117453722A CN 202311348445 A CN202311348445 A CN 202311348445A CN 117453722 A CN117453722 A CN 117453722A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- prompt
- query statement
- service
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 11
- 238000003058 natural language processing Methods 0.000 abstract description 10
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2452—Query translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提出一种获取信息的方法、装置、电子设备及存储介质,涉及计算机技术领域,尤其涉及大模型、自然语言处理、语音识别、深度学习等人工智能技术领域。具体实现方案为:接收信息获取请求,其中,所述信息获取请求中包括第一查询语句;基于所述第一查询语句及每个信息系统关联的第一提示信息,生成每个所述信息系统关联的第一检索参数集;基于所述第一检索参数集,从每个所述信息系统获取第一信息;基于所述查询语句、所述第一信息及预设的第二提示信息,生成目标信息;返回所述目标信息。由此,提高了信息检索效率,并且提高了检索得到的第一信息的准确性和可靠性,进一步提高了获取的目标信息的准确性和信息获取效率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及大模型、自然语言处理、语音识别、深度学习等人工智能技术领域,具体涉及一种获取信息的方法、装置、电子设备及存储介质。
背景技术
随着生成式人工智能(Artificial Intelligence Generated Content,AIGC)技术发展,特别是大语言模型技术发展,以自然语言交互的智能私人助理等应用可以帮助用户快速获取信息、执行繁琐的任务,更好地辅助员工完成工作。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
根据本公开第一方面,提供了一种获取信息的方法,包括:
接收信息获取请求,其中,所述信息获取请求中包括第一查询语句;
基于所述第一查询语句及每个信息系统关联的第一提示信息,生成每个所述信息系统关联的第一检索参数集;
基于所述第一检索参数集,从每个所述信息系统获取第一信息;
基于所述第一查询语句、所述第一信息及预设的第二提示信息,生成目标信息;
返回所述目标信息。
根据本公开第二方面,提供了一种获取信息的装置,包括:
接收信息获取请求,其中,所述信息获取请求中包括第一查询语句;
基于所述第一查询语句及每个信息系统关联的第一提示信息,生成每个所述信息系统关联的第一检索参数集;
基于所述第一检索参数集,从每个所述信息系统获取第一信息;
基于所述第一查询语句、所述第一信息及预设的第二提示信息,生成目标信息;
返回所述目标信息。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面所述的获取信息的方法。
根据本公开第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如第一方面所述的获取信息的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机指令,所述计算机指令在被处理器执行时实现如第一方面所述的获取信息的方法的步骤。
本公开提供的获取信息的方法、装置、电子设备及存储介质,存在如下有益效果:
本公开中,首先接收信息获取请求,然后基于信息获取请求中包括的第一查询语句及每个信息系统关联的第一提示信息,生成每个信息系统关联的第一检索参数集,然后再基于第一检索参数集,从每个信息系统获取第一信息,之后基于第一查询语句、第一信息及预设的第二提示信息,生成目标信息,并返回目标信息。由此,通过基于不同信息系统关联的不同提示信息生成对应的检索参数,进而再基于每个系统对应的检索参数在各信息系统中获取相关信息,提高了信息检索效率,并且提高了检索得到的第一信息的准确性和可靠性,进一步提高了获取的目标信息的准确性和信息获取效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,附图用于更好地理解本方案,不构成对本公开的限定,其中:
图1是根据本公开一实施例提出的获取信息的方法的流程示意图;
图2是根据本公开另一实施例提出的获取信息的方法的流程示意图;
图3是根据本公开另一实施例提出的获取信息的方法的流程示意图;
图4是根据本公开另一实施例提出的获取信息的方法的流程示意图;;
图5是根据本公开一实施例提出的获取信息的装置的结构示意图;
图6示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开实施例涉及大模型、自然语言处理、语音交互、深度学习等人工智能技术领域。
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
大语言模型(Large Language Model,LLM),即大模型,是指使用大量文本数据训练的深度学习模型,可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务,如文本分类、问答、对话等,是通向人工智能的一条重要途径。
自然语言处理(Natural Language Processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系,但又有重要的区别。自然语言处理并不是一般地研究自然语言,而在于研制能有效地实现自然语言通信的计算机系统,特别是其中的软件系统。
语音交互是一种可以通过语音与计算机进行交流的技术。它利用自然语言处理(Natural Language Processing,NLP)技术,使计算机能够理解用户的声音指令,并响应以相应的结果显示在用户的屏幕上。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
计算机视觉,指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
下面参考附图描述本公开实施例的获取信息的方法、装置、电子设备及存储介质。
其中,需要说明的是,本实施例的获取信息的方法的执行主体为获取信息的装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。本公开实施例中以获取信息的装置被配置到信息获取系统中为例进行说明。
图1是根据本公开一实施例提出的获取信息的方法的流程示意图。
如图1所示,该获取信息的方法,包括:
S101:接收信息获取请求。
其中,信息获取请求中包括第一查询语句。
需要说明的是,第一查询语句(Query),可以是用户输入的文本,也可以是对用户输入语音进行转换后获得的,本公开对此不做限定。
S102:基于第一查询语句及每个信息系统关联的第一提示信息,生成每个信息系统关联的第一检索参数集。
其中,信息系统,在本公开中是指可以用于存储各类信息的系统,比如,项目信息系统、会议系统、邮件系统、文档存储系统、数据库系统等等。信息获取系统,可以通过每个信息系统关联的功能插件或应用程序接口(Application Programming Interface,API),从该信息系统中检索并获得相关信息。相应的信息系统关联的功能插件可以是检索项目插件、检索知识库插件、检索会议插件、总结结论插件,生成文档插件等等,本公开对此不做限定。第一提示信息(prompt),是用于引导模型或服务等基于第一查询语句,生成检索参数的文本或指令。
需要说明的是,可以预先构建每个信息系统与提示信息的关联关系,然后根据关联关系,确定每个信息系统关联的第一提示信息。
可选地,可以基于第一查询语句及第一提示信息,调用目标检索参数生成服务,以获取检索参数生成服务输出的第一检索参数集。
在本公开中,目标检索参数生成服务可以是通过大语言模型(Large LanguageModel,LLM),即大模型实现的,信息获取系统可以将第一查询语句和第一提示信息输入到大模型中,获取由大模型生成的每个信息系统关联的第一检索参数集。通过为不同信息系统,设置不同的提示信息,使得基于该提示信息可以生成该信息系统对应的特定的检索参数集,从而使得生成检索参数集更符合信息系统的检索特性,为提高信息检索效率提供了条件,并且为检索得到更准确、更可靠的信息提供了条件。
举例来说,第一查询语句为“帮我查下SO部门的超级助理项目进展”,且信息系统关联的第一提示信息为“你是一个参数选择器。你的任务是根据提供的API,从输入内容里面抽取出相应参数。请以JSON格式输出,……”。则对于检索项目插件关联的第一检索参数集可以为[关键词=超级助理、部门=SO、TopN=5(默认)]等等。
需要说明的是,输入大模型的数据还可以包括时间和请求用户的标识(比如用户名称,或用户身份码(Identity document ID))等等,从而使得得到的第一检索参数集更准确,本公开对比不做限定。
S103:基于第一检索参数集,从每个信息系统获取第一信息。
本公开实施例中,信息获取系统可以根据第一检索参数集,在每个信息系统中查询满足第一检索参数集的文件或素材等,从而获取到第一信息。
举例来说,以获取项目信息为例,当第一检索参数集中包含某用户ID时,信息获取系统可以通过检索知识库插件,从知识库中获取的第一信息可能包括:该用户编写的技术经验、项目详情、工作安排、方案设计、项目回顾等文档,以及通过调用检索会议插件,从会议系统中获取的第一信息可能包括该用户参加过/将要参加的会议安排等等。
S104:基于第一查询语句、第一信息及预设的第二提示信息,生成目标信息。
其中,预设的第二提示信息(prompt),是用于引导模型或服务等对第一查询语句和第一信息进行总结和/或生成文档的信息。
本公开实施例中,可以预先构建不同查询语句与第二提示信息间的关联关系,然后根据第一查询语句,查询关联关系,确定第二提示信息。
可选地,可以基于第一查询语句、第一信息及预设的第二提示信息,调用信息生成服务,以获取信息生成的服务生成的目标信息。
在本公开中,信息生成服务可以是通过大模型实现的,信息获取系统可以将第一查询语句、第一信息及预设的第二提示信息输入到大语言模型中,获取由大语言模型生成的目标信息。通过利用大语言模型生成目标信息,不仅保证了生成的目标信息更有条理、可靠,而且还提高了目标信息的获取效率。
举例来说,第一查询语句为“我想知道,公司A和B合作项目的最新进展”,通过对周报系统、知识库系统及会议系统检索后得到的第一信息分别为项目相关的周报、知识库文档、会议信息等等,第二提示信息为“你是一个项目总结的生成器,你的任务是根据以下素材总结出项目的进展。{相关素材(第一信息)},将每个项目按以下格式输出:项目名,进行的阶段:主要的进展(最近的主要动作,有无风险等)”。之后,通过基于上述第一查询语句、第二提示信息及相关素材调用信息生成服务,就可以得到信息生成服务生成的目标信息。
可选地,在从任一信息系统获取的第一信息数量大于1的情况下,可能存在获取的部分第一信息的实用性不高,因此可以基于第一查询语句、多个第一信息及预设的第三提示信息,确定多个第一信息的排序,然后基于多个第一信息的排序,确定目标第一信息,之后再基于第一查询语句,各个目标第一信息及预设的第二提示信息,生成目标信息。
其中,预设的第三提示信息(prompt),是用于引导模型或服务等对多个第一信息进行排序或筛选的信息。
需要说明的是,排序后确定的目标第一信息可能仍然是多个信息,比如,初始第一信息是5个,排序后确定前3个第一信息为目标第一信息;或者,排序后确定的目标第一信息还可能是初始的第一信息及每个信息对应的顺序;或者也可能是仅将排序后的第一个第一信息确定为目标信息等等,本公开对此不做限定。
本公开实施例中,通过基于相关性较高的第一信息,生成目标信息,从而提高了目标信息的可靠性。
举例来说,第三提示信息可为“你是一个文档排序工具,你将根据Query,对以下文档重排,尽量将相关、时效性强的文档排到前面,并要考虑多样性。Query:{},文档1:标题、创建时间、标签等;文档2:标题、创建时间、标签等;文档3:标题、创建时间、标签等;…输出排好序的文档ID,并以TopN=3,进行分割。”从而,可以确定文档1、文档2和文档3为目标第一信息,之后再基于预设的第二提示信息,生成目标信息。
可选地,可以基于第一查询语句、多个第一信息及预设的第三提示信息,调用目标排序服务,以获取目标排序服务输出的多个第一信息的排序。
在本公开中,目标排序服务是通过大语言模型实现的,信息获取系统可以将第一查询语句、多个第一信息及预设的第三提示信息输入到大语言模型中,获取由大语言模型生成的多个第一信息的排序。通过利用大语言模型对第一信息的进行排序,不仅使得排序操作更客观、可靠,而且还可以减少排序操作所需时间,为提高目标信息的获取效率提供了条件。
S105:返回目标信息。
本公开实施例中,信息获取系统可以将生成的目标信息显示在界面上,作为信息获取请求的结果返回给用户。
可选地,在目标信息的篇幅较长或字数较多的情况下,在显示界面中直接显示完整的目标信息,可能会影响用户的信息获取效率和准确性,则可以将返回的目标信息包括较为简洁概括性的页面展示信息及包含完整信息的文档信息,然后在显示界面接收到针对文档信息的访问请求的情况下,可以在显示界面显示文档信息。
本公开实施例中,用户点击显示界面中包含的文档信息后,信息获取系统可以接收到针对文档信息的访问请求,然后在显示界面显示文档信息,以便用户查阅完整的目标信息,从而可以节省页面显示空间,减少信息获取的显示时间,使得用户可以快速有针对性地浏览和获取信息,提高使用体验。
本实施例中,信息获取系统首先接收信息获取请求,然后基于信息获取请求中包括的第一查询语句及每个信息系统关联的第一提示信息,生成每个信息系统关联的第一检索参数集,然后再基于第一检索参数集,从每个信息系统获取第一信息,之后基于第一查询语句、第一信息及预设的第二提示信息,生成目标信息,并返回目标信息。由此,通过基于不同信息系统关联的不同提示信息生成对应的检索参数,进而再基于每个系统对应的检索参数在各信息系统中获取相关信息,提高了信息检索效率,并且提高了检索得到的第一信息的准确性和可靠性,进一步提高了获取的目标信息的准确性和信息获取效率。
图2是本公开另一实施例提出的获取信息的方法的流程示意图。
如图2所示,该获取信息的方法,包括:
S201:获取多个第一样本。
其中,每个第一样本中包括候选提示信息、输入数据及目标数据。目标数据是指对样本标注的正确的输出数据。
本公开实施例中,信息获取系统可以通过获取历史样本数据或调用现有的样本数据库,来获取多个第一样本。
S202:基于候选提示信息及输入数据,获取输出数据。
本公开实施例中,信息获取系统可以将每个第一样本中的候选提示信息及输入数据输入到大模型中,获取由大模型生成的输出数据。
S203:基于每个候选提示信息关联的输出数据与目标数据间的匹配度,确定每个候选提示信息的置信度。
本公开实施例中,信息获取系统可以计算每个候选提示信息关联的输出数据与目标数据间的匹配度,来确定每个候选提示信息的置信度。例如,输出数据与目标数据间的匹配度越高,对应的候选提示信息的置信度就会越高。
S204:基于候选提示信息的置信度,确定目标提示信息。
需要说明的是,可以是将置信度最高的一个候选提示信息,确定为目标提示信息,或者也可以将较高的多个候选提示信息,都确定为目标提示信息等等,本公开对此不做限定。
需要说明的是,当候选提示信息数量较少的情况下,可能存在置信度最高的候选提示信息仍然无法获取较为可靠的输出数据情况,因此可以先利用生成模型再生成一些提示信息,然后再进一步的进行评估筛选。
可选地,可以基于候选提示信息,生成至少一个扩展提示信息,然后确定扩展提示信息的置信度,之后再基于扩展提示信息的置信度,对目标提示信息进行更新。
本公开实施例中,可以将候选提示信息输入到大语言模型中,利用大语言模型对候选提示信息进行扩展,得到至少一个扩展提示信息,然后基于每个扩展提示信息与输入数据,获取到的输出数据,再计算与目标数据间的匹配度,得到扩展提示信息的置信度,之后就可以利用置信度高于之前确定的目标提示信息的一个或多个扩展提示信息,来更新目标提示信息。从而降低了误判风险,保证了目标提示信息的强置信度和可靠性。
本公开实施例中,在信息获取的过程中,输入到大模型中的第一提示信息、第二提示信息或第三提示信息等,可以是根据信息系统、查询语句等至少一项对多个候选提示信息进行评估后,确定的最优的候选提示信息。
举例来说,每个信息系统关联的第一提示信息的确定过程可以包括:先获取多个第一样本,其中,第一样本中包括第二查询语句、第一信息系统、候选提示信息及第一关联信息集。然后基于候选提示信息及第二查询语句,生成第二检索参数集,再基于第二检索参数集,从第一信息系统获取第二信息。然后根据每个第二信息与第一关联信息集的匹配度,确定第二信息对应的第二检索参数集对应的候选提示信息的置信度。之后就可以基于每个候选提示信息的置信度,确定第一信息系统关联的第一提示信息。
本实施例中,信息获取系统首先获取多个第一样本,然后基于第一样本中包含的候选提示信息及输入数据,获取输出数据,之后基于每个候选提示信息关联的输出数据与目标数据间的匹配度,确定每个候选提示信息的置信度,然后再基于候选提示信息的置信度,确定目标提示信息。由此,通过优化在信息获取过程中利用的第一提示信息、第二提示信息及第三提示信息,从而进一步提高了基于优化后的各提示信息获取的目标信息的准确性和可靠性。
图3是本公开另一实施例提出的获取信息的方法的流程示意图。
如图3所示,该获取信息的方法,包括:
S301:获取第二样本。
其中,第二样本中包括候选查询语句、第一信息系统、第一信息系统关联的第一提示信息及第二关联信息集。
本公开实施例中,可以利用通过人工标注获取的第二样本,对信息获取过程中的模型或服务的参数进行训练,进一步提升信息获取的能力。
S302:基于候选查询语句,生成扩展查询语句。
本公开实施例中,可以通过小规模的候选查询语句的样本数据,通过生成模型对候选查询语句进行扩展,生成更多的样本。
需要说明的是,在生成扩展查询语句之后,为了避免语义漂移问题,还可以向大模型中输入任务定义、部分候选查询语句、新生成的扩展查询语句,来判断新生成的扩展查询语句是否属于该任务分类,完成对扩展查询语句的语义校验。
S303:依据初始检索参数生成服务及第一提示信息,分别生成候选查询语句对应的第三检索参数集、及扩展查询语句对应的第四检索参数集。
本公开实施例中,信息获取系统可以将候选查询语句及第一提示信息输入到初始检索参数生成服务中,获取对应的第三检索参数集。以及将扩展查询语句及第一提示信息输入到初始检索参数生成服务中,获取对应的第四检索参数集。
S304:分别从第一信息系统获取第三检索参数集关联的第三信息、及第四检索参数集关联的第四信息。
S305:基于第三信息与第二关联信息集的差异、及第四信息与第二关联信息集的差异,分别对初始检索参数生成服务进行更新,以获取目标检索参数生成服务。
本公开实施例中,信息获取系统可以计算第三信息与第二关联信息集的差异、及第四信息与第二关联信息集的差异,然后依次利用求得的差异值分别对初始检索参数生成服务中的参数进行更新,得到目标检索参数生成服务。或者也可以根据对两个差异值进行加权求和后得到的值,更新初始检索参数生成服务中的参数,得到目标检索参数生成服务。
本实施例中,通过对样本数据中的候选查询语句进行扩展后得到扩展查询语句,并将候选查询语句和扩展查询语句分别与提示信息输入到初始检索参数生成服务,来获得的检索参数集,然后基于各检索参数集在信息系统中关联的信息与样本数据中的关联信息集间的差异,更新初始检索参数生成服务,以获取目标检索参数生成服务。由此,通过对候选查询语句进行扩充,增大了检索参数生成服务更新训练的数据范围,不仅可以快速地对大模型迭代优化,还进一步提高信息获取的准确性和效率。
图4是本公开另一实施例提出的获取信息的方法的流程示意图。
如图4所示,该获取信息的方法,包括:
S401:接收信息获取请求。
S402:基于第一查询语句及每个信息系统关联的第一提示信息,生成每个信息系统关联的第一检索参数集。
S403:基于第一检索参数集,从每个信息系统获取第一信息。
S404:基于第一查询语句、各个第一信息及预设的第二提示信息,生成目标信息。
上述S401—S404的描述说明可以具体参见上述实施例,在此不再赘述。
S405:对目标信息进行遍历,以获取目标信息关联业务的状态数据。
其中,关联业务的状态数据,可以包括业务的进度,业务的启动时间、优先级等等,本公开对此不做限定。
S406:在业务的状态数据中存在异常数据的情况下,基于异常数据生成预警信息。
举例来说,在获取项目信息的应用场景下,当遍历完目标信息后,可以获取到“项目截止期限为10月2号”以及“截止10月2日,项目完成90%”两部分信息,由于项目在截止期限内未完成,则可以确定这个项目进度异常,即,从而可以生成预警消息。
S407:返回预警信息。
本公开实施例中,信息获取系统可以将包含异常状态数据的预警信息,发送给用户,以提醒用户及时处理,减少因忽略重要信息而造成的损失。
可选地,可以在显示界面显示预警信息,和/或向业务关联的目标客户端返回预警信息。
其中,目标客户端,可以是业务关联的每个客户端,或者也可以是产生异常数据某个业务阶段的相关客户端及组织架构。比如,产生异常数据的是职工A,职工A的上级是B,那可能就要把预警信息同时发送给A和B,或者也可能仅把预警信息发送给A等等,本公开对此不做限定。
本公开实施例中,信息获取系统可以在与用户交互的显示界面中直接显示目标信息中的预警信息,或者也可以向业务关联的目标客户端返回预警信息,或者还可以在显示预警信息的同时,向其他关联的目标客户端返回预警信息。从而通过多种方式,对相关用户进行异常状态提醒,降低了业务状态异常产生的风险,提高了业务管理的效率。
本实施例中,通过对目标信息进行遍历,以获取目标信息关联业务的状态数据,然后在业务的状态数据中存在异常数据的情况下,基于异常数据生成预警信息,返回预警信息,实现了自动预警,降低了业务状态异常产生的风险,提高了业务管理的效率。
图5是本公开一实施例提出的获取信息的装置的结构示意图。
如图5所示,该获取信息的装置500,包括:
第一接收模块501,用于接收信息获取请求,其中,信息获取请求中包括第一查询语句;
第一生成模块502,用于基于第一查询语句及每个信息系统关联的第一提示信息,生成每个信息系统关联的第一检索参数集;
第一获取模块503,用于基于第一检索参数集,从每个信息系统获取第一信息;
第二生成模块504,用于基于第一查询语句、第一信息及预设的第二提示信息,生成目标信息;
第一返回模块505,用于返回目标信息。
在一些实施例中,其中第二生成模块504,具体用于:
在从任一信息系统获取的第一信息数量大于1的情况下,基于第一查询语句、多个第一信息及预设的第三提示信息,确定多个第一信息的排序;
基于多个第一信息的排序,确定目标第一信息;
基于查询语句、各个目标第一信息及预设的第二提示信息,生成目标信息。
在一些实施例中,获取信息的装置500,其中还包括:
第二获取模块,用于获取多个第一样本,其中,每个第一样本中包括候选提示信息、输入数据及目标数据;
第三获取模块,用于基于候选提示信息及输入数据,获取输出数据;
第一确定模块,用于基于每个候选提示信息关联的输出数据与目标数据间的匹配度,确定每个候选提示信息的置信度;
第二确定模块,用于基于候选提示信息的置信度,确定目标提示信息。
在一些实施例中,其中第二获取模块,还用于:
基于候选提示信息,生成至少一个扩展提示信息;
确定扩展提示信息的置信度;
基于扩展提示信息的置信度,对目标提示信息进行更新。
在一些实施例中,其中第二生成模块504,具体用于:
基于第一查询语句、多个第一信息及预设的第三提示信息,调用目标排序服务,以获取目标排序服务输出的多个第一信息的排序。
在一些实施例中,其中第一生成模块502,具体用于:
基于第一查询语句及第一提示信息,调用目标检索参数生成服务,以获取检索参数生成服务输出的第一检索参数集。
在一些实施例中,其中第一生成模块502,还包括:
第四获取模块,用于获取第二样本,其中,第二样本中包括候选查询语句、第一信息系统、第一信息系统关联的第一提示信息及第二关联信息集;
第三生成模块,用于基于候选查询语句,生成扩展查询语句;
第四生成模块,用于依据初始检索参数生成服务及第一提示信息,分别生成候选查询语句对应的第三检索参数集、及扩展查询语句对应的第四检索参数集;
第五获取模块,用于分别从第一信息系统获取第三检索参数集关联的第三信息、及第四检索参数集关联的第四信息;
更新模块,用于基于第三信息与第二关联信息集的差异、及第四信息与第二关联信息集的差异,分别对初始检索参数生成服务进行更新,以获取目标检索参数生成服务。
在一些实施例中,其中第二生成模块504,具体用于:
基于查询语句、各个第一信息及预设的第二提示信息,调用信息生成服务,以获取信息生成服务生成的目标信息。
在一些实施例中,其中第一返回模块505,还用于:
在显示界面接收到针对文档信息的访问请求的情况下,在显示界面显示文挡信息。
在一些实施例中,获取信息的装置500,其中还包括:
第六获取模块,用于对目标信息进行遍历,以获取目标信息关联业务的状态数据;
第四生成模块,用于在业务的状态数据中存在异常数据的情况下,基于异常数据生成预警信息;
第二返回模块,用于返回预警信息。
在一些实施例中,其中第二返回模块,具体用于:
在显示界面显示预警信息;和/或,
向业务关联的目标客户端返回预警信息。
需要说明的是,前述对获取信息的方法的解释说明也适用于本实施例的获取信息的装置,此处不再赘述。
本实施例中,信息获取系统首先接收信息获取请求,然后基于信息获取请求中包括的第一查询语句及每个信息系统关联的第一提示信息,生成每个信息系统关联的第一检索参数集,然后再基于第一检索参数集,从每个信息系统获取第一信息,之后基于第一查询语句、第一信息及预设的第二提示信息,生成目标信息,并返回目标信息。由此,通过基于不同信息系统关联的不同提示信息生成对应的检索参数,进而再基于每个系统对应的检索参数在各信息系统中获取相关信息,提高了信息检索效率,并且提高了检索得到的第一信息的准确性和可靠性,进一步提高了获取的目标信息的准确性和信息获取效率。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如获取信息的方法。例如,在一些实施例中,获取信息的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的获取信息的方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行获取信息的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
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至少一个该特征。在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。在本公开的描述中,所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“在……情况下”。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (25)
1.一种获取信息的方法,包括:
接收信息获取请求,其中,所述信息获取请求中包括第一查询语句;
基于所述第一查询语句及每个信息系统关联的第一提示信息,生成每个所述信息系统关联的第一检索参数集;
基于所述第一检索参数集,从每个所述信息系统获取第一信息;
基于所述第一查询语句、所述第一信息及预设的第二提示信息,生成目标信息;
返回所述目标信息。
2.如权利要求1所述的方法,其中,所述基于所述查询语句、各个所述第一信息及预设的第二提示信息,生成目标信息,包括:
在从任一信息系统获取的第一信息数量大于1的情况下,基于所述第一查询语句、多个所述第一信息及预设的第三提示信息,确定所述多个第一信息的排序;
基于所述多个第一信息的排序,确定目标第一信息;
基于所述查询语句、各个所述目标第一信息及预设的第二提示信息,生成所述目标信息。
3.如权利要求2所述的方法,其中,所述第一提示信息、所述第二提示信息及所述第三提示信息的确定过程,包括:
获取多个第一样本,其中,每个所述第一样本中包括候选提示信息、输入数据及目标数据;
基于所述候选提示信息及所述输入数据,获取输出数据;
基于每个所述候选提示信息关联的输出数据与所述目标数据间的匹配度,确定每个所述候选提示信息的置信度;
基于所述候选提示信息的置信度,确定目标提示信息。
4.如权利要求3所述的方法,其中,在所述获取多个第一样本之后,还包括:
基于所述候选提示信息,生成至少一个扩展提示信息;
确定所述扩展提示信息的置信度;
基于所述扩展提示信息的置信度,对所述目标提示信息进行更新。
5.如权利要求2所述的方法,其中,所述基于所述第一查询语句、多个所述第一信息及预设的第三提示信息,确定所述多个第一信息的排序,包括:
基于所述第一查询语句、多个所述第一信息及预设的第三提示信息,调用目标排序服务,以获取所述目标排序服务输出的所述多个第一信息的排序。
6.如权利要求1所述的方法,其中,所述基于所述第一查询语句及每个信息系统关联的第一提示信息,生成每个所述信息系统关联的第一检索参数集,包括:
基于所述第一查询语句及所述第一提示信息,调用目标检索参数生成服务,以获取所述检索参数生成服务输出的所述第一检索参数集。
7.如权利要求6所述的方法,其中,所述目标检索参数生成服务的生成过程,包括:
获取第二样本,其中,所述第二样本中包括候选查询语句、第一信息系统、所述第一信息系统关联的第一提示信息及第二关联信息集;
基于所述候选查询语句,生成扩展查询语句;
依据初始检索参数生成服务及所述第一提示信息,分别生成所述候选查询语句对应的第三检索参数集、及所述扩展查询语句对应的第四检索参数集;
分别从所述第一信息系统获取所述第三检索参数集关联的第三信息、及所述第四检索参数集关联的第四信息;
基于所述第三信息与所述第二关联信息集的差异、及所述第四信息与所述第二关联信息集的差异,分别对所述初始检索参数生成服务进行更新,以获取所述目标检索参数生成服务。
8.如权利要求1-7任一所述的方法,其中,所述基于所述查询语句、各个所述第一信息及预设的第二提示信息,生成目标信息,包括:
基于所述查询语句、各个所述第一信息及预设的第二提示信息,调用信息生成服务,以获取所述信息生成服务生成的目标信息。
9.如权利要求8所述的方法,其中,所述目标信息中包括页面展示信息及文档信息,所述方法还包括:
在显示界面接收到针对所述文档信息的访问请求的情况下,在所述显示界面显示所述文挡信息。
10.如权利要求1-7任一所述的方法,其中,所述方法还包括:
对所述目标信息进行遍历,以获取所述目标信息关联业务的状态数据;
在所述业务的状态数据中存在异常数据的情况下,基于所述异常数据生成预警信息;
返回所述预警信息。
11.如权利要求10所述的方法,其中,所述返回所述预警信息,包括:
在显示界面显示所述预警信息;和/或,
向所述业务关联的目标客户端返回所述预警信息。
12.一种获取信息的装置,包括:
第一接收模块,用于接收信息获取请求,其中,所述信息获取请求中包括第一查询语句;
第一生成模块,用于基于所述第一查询语句及每个信息系统关联的第一提示信息,生成每个所述信息系统关联的第一检索参数集;
第一获取模块,用于基于所述第一检索参数集,从每个所述信息系统获取第一信息;
第二生成模块,用于基于所述第一查询语句、所述第一信息及预设的第二提示信息,生成目标信息;
第一返回模块,用于返回所述目标信息。
13.如权利要求12所述的装置,其中,所述第二生成模块,具体用于:
在从任一信息系统获取的第一信息数量大于1的情况下,基于所述第一查询语句、多个所述第一信息及预设的第三提示信息,确定所述多个第一信息的排序;
基于所述多个第一信息的排序,确定目标第一信息;
基于所述查询语句、各个所述目标第一信息及预设的第二提示信息,生成所述目标信息。
14.如权利要求13所述的装置,还包括:
第二获取模块,用于获取多个第一样本,其中,每个所述第一样本中包括候选提示信息、输入数据及目标数据;
第三获取模块,用于基于所述候选提示信息及所述输入数据,获取输出数据;
第一确定模块,用于基于每个所述候选提示信息关联的输出数据与所述目标数据间的匹配度,确定每个所述候选提示信息的置信度;
第二确定模块,用于基于所述候选提示信息的置信度,确定目标提示信息。
15.如权利要求14所述的装置,其中,所述第二获取模块,还用于:
基于所述候选提示信息,生成至少一个扩展提示信息;
确定所述扩展提示信息的置信度;
基于所述扩展提示信息的置信度,对所述目标提示信息进行更新。
16.如权利要求13所述的装置,其中,所述第二生成模块,具体用于:
基于所述第一查询语句、多个所述第一信息及预设的第三提示信息,调用目标排序服务,以获取所述目标排序服务输出的所述多个第一信息的排序。
17.如权利要求12所述的装置,其中,所述第一生成模块,具体用于:
基于所述第一查询语句及所述第一提示信息,调用目标检索参数生成服务,以获取所述检索参数生成服务输出的所述第一检索参数集。
18.如权利要求17所述的装置,其中,所述第一生成模块,还包括:
第四获取模块,用于获取第二样本,其中,所述第二样本中包括候选查询语句、第一信息系统、所述第一信息系统关联的第一提示信息及第二关联信息集;
第三生成模块,用于基于所述候选查询语句,生成扩展查询语句;
第四生成模块,用于依据初始检索参数生成服务及所述第一提示信息,分别生成所述候选查询语句对应的第三检索参数集、及所述扩展查询语句对应的第四检索参数集;
第五获取模块,用于分别从所述第一信息系统获取所述第三检索参数集关联的第三信息、及所述第四检索参数集关联的第四信息;
更新模块,用于基于所述第三信息与所述第二关联信息集的差异、及所述第四信息与所述第二关联信息集的差异,分别对所述初始检索参数生成服务进行更新,以获取所述目标检索参数生成服务。
19.如权利要求12-18任一所述的装置,其中,所述第二生成模块,具体用于:
基于所述查询语句、各个所述第一信息及预设的第二提示信息,调用信息生成服务,以获取所述信息生成服务生成的目标信息。
20.如权利要求19所述的装置,其中,所述第一返回模块,还用于:
在显示界面接收到针对所述文档信息的访问请求的情况下,在所述显示界面显示所述文挡信息。
21.如权利要求12-18任一所述的装置,其中,所述方法还包括:
第六获取模块,用于对所述目标信息进行遍历,以获取所述目标信息关联业务的状态数据;
第四生成模块,用于在所述业务的状态数据中存在异常数据的情况下,基于所述异常数据生成预警信息;
第二返回模块,用于返回所述预警信息。
22.如权利要求21所述的装置,其中,所述第二返回模块,具体用于:
在显示界面显示所述预警信息;和/或,
向所述业务关联的目标客户端返回所述预警信息。
23.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的获取信息的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,其中,所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的获取信息的方法。
25.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述获取信息的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311348445.4A CN117453722A (zh) | 2023-10-17 | 2023-10-17 | 获取信息的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311348445.4A CN117453722A (zh) | 2023-10-17 | 2023-10-17 | 获取信息的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117453722A true CN117453722A (zh) | 2024-01-26 |
Family
ID=89586588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311348445.4A Pending CN117453722A (zh) | 2023-10-17 | 2023-10-17 | 获取信息的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117453722A (zh) |
-
2023
- 2023-10-17 CN CN202311348445.4A patent/CN117453722A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113590776B (zh) | 基于知识图谱的文本处理方法、装置、电子设备及介质 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN114595686A (zh) | 知识抽取方法、知识抽取模型的训练方法及装置 | |
EP3992814A2 (en) | Method and apparatus for generating user interest profile, electronic device and storage medium | |
CN117573507A (zh) | 测试用例生成方法、装置、电子设备及存储介质 | |
CN117312140A (zh) | 测试用例的生成方法、装置、电子设备及存储介质 | |
CN112784102A (zh) | 视频检索方法、装置和电子设备 | |
CN116383340A (zh) | 信息搜索方法、装置、电子设备和存储介质 | |
CN116644102A (zh) | 投资对象的智能遴选方法、系统终端及计算机可读存储介质 | |
CN113239273B (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
KR20220024251A (ko) | 이벤트 라이브러리를 구축하는 방법 및 장치, 전자 기기, 및 컴퓨터 판독가능 매체 | |
CN117453722A (zh) | 获取信息的方法、装置、电子设备及存储介质 | |
CN114281981B (zh) | 新闻简报的生成方法、装置和电子设备 | |
CN114201607B (zh) | 一种信息处理的方法和装置 | |
CN116610782B (zh) | 文本检索方法、装置、电子设备及介质 | |
CN116628004B (zh) | 信息查询方法、装置、电子设备及存储介质 | |
CN117312339A (zh) | 题库更新方法、装置、电子设备及存储介质 | |
CN114328661A (zh) | 事件处理、知识库处理方法、装置、设备以及存储介质 | |
CN116842926A (zh) | 模板的生成方法、装置、电子设备及存储介质 | |
CN117422412A (zh) | 项目管理方法、装置、设备及存储介质 | |
CN113901314A (zh) | 处理用户查询内容的方法、装置、设备和介质 | |
CN117851575A (zh) | 一种大语言模型问答优化方法、装置、电子设备及存储介质 | |
CN117971698A (zh) | 测试用例生成方法、装置、电子设备和存储介质 | |
CN117688947A (zh) | 基于大模型的对话处理方法、装置、电子设备及存储介质 | |
CN117119046A (zh) | 服务的调用方法、装置、电子设备及存储介质 |
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 |