CN118035423A - 信息查询方法、装置、计算机设备和存储介质 - Google Patents
信息查询方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN118035423A CN118035423A CN202410371537.2A CN202410371537A CN118035423A CN 118035423 A CN118035423 A CN 118035423A CN 202410371537 A CN202410371537 A CN 202410371537A CN 118035423 A CN118035423 A CN 118035423A
- Authority
- CN
- China
- Prior art keywords
- information
- text
- portrait information
- portrait
- question text
- 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 51
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 23
- 230000003993 interaction Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及人工智能技术领域,具体公开了一种信息查询方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:接收用户输入的问题文本;其中,问题文本包括第一企业名称以及维度描述文本,问题文本用于描述画像信息的查询请求;根据问题文本,获取第一企业名称对应的画像信息;其中,画像信息包括多个维度的信息;将问题文本及画像信息输入至预配置的大语言模型,输出画像信息中与问题文本相匹配的目标维度的信息。采用本方法能够提高企业目标维度的信息的查询速度。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种信息查询方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
为实现对企业的风险识别,金融机构的相关人员需要定期查询企业的画像信息(包括:资源借调信息、审批批复信息等)。目前,相关人员可以通过搜索企业名称,得到对应的展示画像信息的页面,在页面中通过页面查找等方式查询需要的信息。
然而,相关技术中,页面通常被开发为用于展示某个企业的所有画像信息,由于画像信息的数据量通常较为庞大,导致相关人员从所有画像信息中,查询某个维度或多个维度的信息的速度较慢。因此,亟需一种信息查询方法,来提高企业目标维度的信息的查询速度。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高企业目标维度的信息的查询速度的信息查询方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种信息查询方法,包括:
接收用户输入的问题文本;其中,所述问题文本包括第一企业名称以及维度描述文本,所述问题文本用于描述画像信息的查询请求;
根据所述问题文本,获取所述第一企业名称对应的画像信息;其中,所述画像信息包括多个维度的信息;
将所述问题文本及所述画像信息输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息。
在其中一个实施例中,所述大语言模型还用于命名实体识别,所述根据所述问题文本,获取所述第一企业名称对应的画像信息,包括:
将所述问题文本及第一任务标识输入至所述大语言模型,得到所述第一企业名称;
根据所述第一企业名称,获取对应的画像信息。
在其中一个实施例中,所述将所述问题文本及第一任务标识输入至所述大语言模型,得到所述第一企业名称,包括:
获取预配置的第一提示信息,所述第一提示信息包括模板问题文本及对应的模板企业名称;
将所述第一提示信息、所述问题文本及所述第一任务标识输入至所述大语言模型,得到所述第一企业名称。
在其中一个实施例中,所述根据所述第一企业名称,获取对应的画像信息,包括:
将所述第一企业名称与多个预先获取的企业名称进行模糊匹配,得到匹配成功的第二企业名称;
根据用户的选择操作确定被选中的第二企业名称;
获取所述被选中的第二企业名称对应的画像信息。
在其中一个实施例中,所述将所述问题文本及所述画像信息输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息,包括:
获取预配置的第二提示信息;
按照所述第二提示信息指示的格式,将所述问题文本及所述画像信息输入至预配置的大语言模型,得到所述画像信息中与所述问题文本相匹配的目标维度的信息。
在其中一个实施例中,将所述问题文本及所述画像信息输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息,之前包括:
将所述画像信息转换为键值对格式;
计算所述画像信息中的各个键与所述问题文本之间的相似度;
删除所述画像信息中相似度最低的键对应的键值对,直至所述画像信息的数据量小于预设的阈值。
在其中一个实施例中,所述多个维度的信息至少包括企业的资源交互维度的信息以及资源风险预警维度的信息。
第二方面,本申请提供了另一种信息查询方法,包括:
响应于用户输入问题文本,发送所述问题文本至服务器,以指示所述服务器获取与所述问题文本中的第一企业名称相对应的画像信息,将所述画像信息及所述问题文本输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息;其中,所述问题文本包括第一企业名称以及维度描述文本,所述问题文本用于描述画像信息的查询请求,所述画像信息包括多个维度的信息;
接收并展示画像信息中与所述问题文本相匹配的目标维度的信息。
第三方面,本申请还提供了一种信息查询装置,包括:
接收模块,用于接收用户输入的问题文本;其中,所述问题文本包括第一企业名称以及维度描述文本,所述问题文本用于描述画像信息的查询请求;
获取模块,用于根据所述问题文本,获取所述第一企业名称对应的画像信息;其中,所述画像信息包括多个维度的信息;
处理模块,用于将所述问题文本及所述画像信息输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息。
在其中一个实施例中,所述获取模块包括:
第一处理子模块,用于将所述问题文本及第一任务标识输入至所述大语言模型,得到所述第一企业名称;
第一获取子模块,用于根据所述第一企业名称,获取对应的画像信息。
在其中一个实施例中,所述第一处理子模块包括:
第一获取单元,用于获取预配置的第一提示信息,所述第一提示信息包括模板问题文本及对应的模板企业名称;
处理单元,用于将所述第一提示信息、所述问题文本及所述第一任务标识输入至所述大语言模型,得到所述第一企业名称。
在其中一个实施例中,所述第一获取子模块包括:
匹配单元,用于将所述第一企业名称与多个预先获取的企业名称进行模糊匹配,得到匹配成功的第二企业名称;
确定单元,用于根据用户的选择操作确定被选中的第二企业名称;
第二获取单元,用于获取所述被选中的第二企业名称对应的画像信息。
在其中一个实施例中,所述处理模块包括:
第二获取子模块,用于获取预配置的第二提示信息;
第二处理子模块,用于按照所述第二提示信息指示的格式,将所述问题文本及所述画像信息输入至预配置的大语言模型,得到所述画像信息中与所述问题文本相匹配的目标维度的信息。
在其中一个实施例中,所述信息查询装置包括:
格式转换模块,用于将所述画像信息转换为键值对格式;
相似度计算模块,用于计算所述画像信息中的各个键与所述问题文本之间的相似度;
键值对删除模块,用于删除所述画像信息中相似度最低的键对应的键值对,直至所述画像信息的数据量小于预设的阈值。
在其中一个实施例中,所述多个维度的信息至少包括企业的资源交互维度的信息以及资源风险预警维度的信息。
第四方面,本申请还提供了另一种信息查询装置,包括:
发送模块,用于响应于用户输入问题文本,发送所述问题文本至服务器,以指示所述服务器获取与所述问题文本中的第一企业名称相对应的画像信息,将所述画像信息及所述问题文本输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息;其中,所述问题文本包括第一企业名称以及维度描述文本,所述问题文本用于描述画像信息的查询请求,所述画像信息包括多个维度的信息;
展示模块,用于接收并展示画像信息中与所述问题文本相匹配的目标维度的信息。
第五方面,本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的方法的步骤。
第六方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
第七方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述信息查询方法、装置、计算机设备、存储介质和计算机程序产品,通过对用户输入的问题文本进行分析,能够确定用户要查询的目标企业,通过将问题文本和目标企业的画像信息一同输入至预配置的大语言模型,能够实现从画像信息中确定问题文本的答复,减少了信息查询需要处理的数据量,实现了在用户输入自然语言的查询请求后,能够快速返回用户需要查询的目标维度的信息,提高了企业目标维度的信息的查询速度。进一步地,预配置的大语言模型可以支持多任务,能够实现通过一个模型接口完成企业名称的识别,以及查询请求的答复的生成。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关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申请的一些实施例,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为一个实施例中信息查询方法的应用环境图;
图2为一个实施例中信息查询方法的流程示意图;
图3为另一个实施例中信息查询方法的流程示意图;
图4为再一个实施例中信息查询方法的流程示意图;
图5为一个实施例中信息查询装置的结构框图;
图6为另一个实施例中信息查询装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的信息查询方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102可以接收用户输入的问题文本,并发送给服务器104。服务器104可以根据问题文本,获取与该问题文本包括的企业名称表征的目标企业的画像信息,并调用预配置的大语言模型对问题文本和画像信息进行处理,得到画像信息中与问题文本相匹配的目标维度的信息,发送给终端102。终端102可以向用户展示目标维度的信息。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中,如图2所示,提供了一种信息查询方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤220至步骤260。其中:
步骤220,接收用户输入的问题文本;其中,问题文本包括第一企业名称以及维度描述文本,问题文本用于描述画像信息的查询请求。
其中,用户可以是金融机构的相关人员。问题文本可以用于查询目标企业的资源交互阈值、资源交互条件、相关资讯等维度的信息。例如,问题文本可以是“X公司的A业务的资源剩余量”、“X公司是否为B类型的客户”、“X公司近期相关资讯的标题”、“X公司近期相关资讯是否与C行业相关”等。
示例性地,终端102可以响应于用户输入问题文本,将问题文本发送给服务器104。服务器104可以接收终端102发送的问题文本。
步骤240,根据问题文本,获取第一企业名称对应的画像信息;其中,画像信息包括多个维度的信息。
其中,第一企业名称对应的画像信息可以包括第一企业名称所表征的企业的全部相关信息。例如,画像信息可以包括:基本信息、企业的标识信息、业务流程信息等维度的信息。示例性地,画像信息还可以包括企业的资源交互维度的信息以及资源风险预警维度的信息。这里,资源交互维度的信息是用于描述企业的资源交互行为、资源交互结果的信息。资源风险预警维度的信息是用于描述企业已经发生或可能发生的风险事件的信息。资源交互维度的信息可以包括:资源借调信息、资源变化趋势等。资源风险预警维度的信息可以包括审批批复信息、预警事项、征信信息等。在一种可能的实现方式中,服务器104可以存储有多个企业名称对应的画像信息。在另一种可能的实现方式中,服务器104可以通过调用接口获取实时的画像信息。
示例性地,服务器104可以基于机器学习模型、匹配规则等对问题文本进行处理,确定问题文本包括的第一企业名称,进而获取第一企业名称对应的画像信息。
步骤260,将问题文本及画像信息输入至预配置的大语言模型,输出画像信息中与问题文本相匹配的目标维度的信息。
其中,预配置的大语言模型(Large Language Model,LLM)可以为ChatGPT模型、ChatGLM模型等。预配置的大语言模型的训练方式可以包括:采用自监督学习的方式通过样本问题文本及样本画像信息对大语言模型进行监督微调,以使该大语言模型可以应用于企业画像信息的查询场景。
上述信息查询方法中,通过对用户输入的问题文本进行分析,能够确定用户要查询的目标企业,通过将问题文本和目标企业的画像信息一同输入至预配置的大语言模型,能够实现从画像信息中确定问题文本的答复,减少了信息查询需要处理的数据量,实现了在用户输入自然语言的查询请求后,能够快速返回用户需要查询的目标维度的信息,提高了企业目标维度的信息的查询速度。
在一个示例性的实施例中,上述大语言模型还可以用于命名实体识别,也即是,上述大语言模型可以是多任务模型,如图3所示,步骤240包括步骤241和步骤242。其中:
步骤241,将问题文本及第一任务标识输入至大语言模型,得到第一企业名称。
示例性地,服务器104可以响应于接收到终端102发送的问题文本,分配第一任务标识,将问题文本和第一任务标识输入至大语言模型,以使大语言模型根据第一任务标识对问题文本进行命名实体识别,得到第一企业名称。在一种可能的实现方式中,可以按照预设的格式将问题文本和第一任务标识组合为一个请求,发送给大语言模型。
步骤242,根据第一企业名称,获取对应的画像信息。
示例性地,服务器104可以调用机构内部各业务系统的接口,根据第一企业名称,获取目标企业的各个相关信息,得到画像信息。
本实施例中,通过配置支持多任务的大语言模型,能够达到通过一个模型接口可以实现企业名称的识别,以及查询请求的答复的生成。
在一个示例性的实施例中,上述步骤241可以包括步骤E1和步骤E2,其中:
步骤E1,获取预配置的第一提示信息,第一提示信息包括模板问题文本及对应的模板企业名称。
其中,预配置的第一提示(prompt)信息可以根据企业画像信息的常用查询方式进行设计。例如,模板问题文本可以是“X公司的老板是谁”,该模板问题文本对应的企业模板名称为“X公司”;模板问题文本可以是“Y公司有什么预警信息”,该模板问题文本对应的企业模板名称为“Y公司”;模板问题文本可以是“Z公司的业务信息A业务的合同信息”,该模板问题文本对应的企业模板名称为“Z公司”。
步骤E2,将第一提示信息、问题文本及第一任务标识输入至大语言模型,得到第一企业名称。
本实施例中,在对问题文本进行命名实体识别时,通过将预先设计的符合企业信息的查询场景的提示信息一同输入至大语言模型,使得模型能够更好地理解问题文本,提高了根据问题文本确定目标企业的准确性。
在一个示例性的实施例中,由于用户输入的企业名称可能不准确,或者,用户输入的企业名称可能对应多个相关企业,上述步骤242可以包括步骤F1至步骤F3,其中:
步骤F1,将第一企业名称与多个预先获取的企业名称进行模糊匹配,得到匹配成功的第二企业名称。
示例性地,可以通过相似度匹配、模糊查询等方法进行模糊匹配。这里,多个预先获取的企业名称可以存储于数据库。
步骤F2,根据用户的选择操作确定被选中的第二企业名称。
示例性地,可以将匹配成功的第二企业名称以对话框的形式显示在终端102的交互界面中,终端102可以根据用户对对话框的触发操作,确定用户选中的第二企业名称。在一种可能的实现方式中,在匹配成功的第二企业名称的数量较多的情况下,可以对匹配成功的第二企业名称进行分页展示。
步骤F3,获取被选中的第二企业名称对应的画像信息。
本实施例中,通过对问题文本中的企业名称进行模糊匹配,确定了用户可能需要查询的企业的范围,使得根据用户的选择操作能够更准确地确定用户需要查询的目标企业。
在一个示例性的实施例中,请继续参考图3,上述步骤260包括步骤261和步骤261,其中:
步骤261,获取预配置的第二提示信息。
其中,预配置的第二提示信息可以包括对应于画像信息的第一提示词,及对应于问题文本的第二提示词。例如,第一提示词可以用于提示画像信息为已知内容。第二提示词可以用于提示根据已知内容输出问题的答案。
步骤262,按照第二提示信息指示的格式,将问题文本及画像信息输入至预配置的大语言模型,得到画像信息中与问题文本相匹配的目标维度的信息。
示例性地,服务器104可以按照第二提示信息指示的格式,将提示词、问题文本及画像信息组合为一个请求,发送给大语言模型。
可选地,服务器104可以响应于获得第一企业名称对应的画像信息,分配第二任务标识,将第二任务标识、问题文本及画像信息输入至大语言模型,以使大语言模型根据第二任务标识筛选出画像信息中与问题文本相匹配的目标维度的信息。
本实施例中,通过按照预先设计的、符合自然语言习惯的格式将画像信息和问题文本输入至大语言模型,使得模型能够更好地理解和分析数据,提高了确定目标维度的信息的准确性。
在一个示例性的实施例中,请继续参考图3,上述步骤260之前包括:步骤251至步骤253,其中:
步骤251,将画像信息转换为键值对格式。
示例性地,服务器104可以将获取到的各个相关信息拼接成JSON(JavaScriptObject Notation)串。例如,画像信息包括的键可以是“用户编号”、“用户名称”、“资源信息”等。
步骤252,计算画像信息中的各个键与问题文本之间的相似度。
示例性地,服务器104可以对画像信息中的键和问题文本进行向量化处理,对每个向量化的键,与向量化的问题文本做余弦相似度计算,得到各个键与问题文本之间的相似度。这里,向量化处理可以基于文本向量化模型实现,例如,文本向量化模型可以是用于中文文本向量化的预训练模型ext2vec-large-chinese。
步骤253,删除画像信息中相似度最低的键对应的键值对,直至画像信息的数据量小于预设的阈值。
示例性地,服务器104可以根据各个键与问题文本之间的相似度,保留相似度较高的n个键值对,若画像信息的数据量仍大于预设的阈值,按照相似度由高到低的顺序排列各个键值对,每次删除画像信息中相似度最低的键对应的键值对,直至画像信息的数据量小于预设的阈值。
本实施例中,通过将画像信息转换为键值对,并根据各个键与问题文本之间的相似度,删除相关性较低的键值对,能够实现对画像信息的筛选,进一步降低了信息查询需要处理的数据量。
在一个示例性的实施例中,上述多个维度的信息至少包括企业的资源交互维度的信息以及资源风险预警维度的信息。
其中,资源交互维度的信息是用于描述企业的资源交互行为、资源交互结果的信息。资源风险预警维度的信息是用于描述企业已经发生或可能发生的风险事件的信息。资源交互维度的信息可以包括:资源借调信息、资源变化趋势等。资源风险预警维度的信息可以包括审批批复信息、预警事项、征信信息等。
在一个示例性的实施例中,如图4所示,提供了一种信息查询方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤302和步骤304。
步骤302,响应于用户输入问题文本,发送问题文本至服务器,以指示服务器获取与问题文本中的第一企业名称相对应的画像信息,将画像信息及问题文本输入至预配置的大语言模型,输出画像信息中与问题文本相匹配的目标维度的信息;其中,问题文本包括第一企业名称以及维度描述文本,问题文本用于描述画像信息的查询请求。
步骤304,接收并展示画像信息中与问题文本相匹配的目标维度的信息。
示例性地,用户可以向终端102输入问题文本;终端102可以将问题文本发送给服务器104;服务器104可以调用大语言模型对问题文本进行实体命名识别,确定问题文本中的第一企业名称;服务器104可以将第一企业名称与多个预先获取的企业名称进行模糊匹配,得到匹配成功的第二企业名称,并发送给终端102;终端102可以显示匹配成功的第二企业名称以供用户选择;服务器104可以根据用户的选择操作确定被选中的第二企业名称,并获取第二企业名称对应的画像信息;服务器104可以将处理后的画像信息和问题文本输入至大语言模型,以使大语言模型输出画像信息中与问题文本相匹配的目标维度的信息,得到问题文本的答案,并发送给终端102;终端102可以向用户展示该答案。
综上所述,上述信息查询方法中,通过对用户输入的问题文本进行分析,能够确定用户要查询的目标企业,通过将问题文本和目标企业的画像信息一同输入至预配置的大语言模型,能够实现从画像信息中确定问题文本的答复,减少了信息查询需要处理的数据量,实现了在用户输入自然语言的查询请求后,能够快速返回用户需要查询的目标维度的信息,提高了企业目标维度的信息的查询速度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的信息查询方法的信息查询装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个信息查询装置实施例中的具体限定可以参见上文中对于信息查询方法的限定,在此不再赘述。
在一个示例性的实施例中,如图5所示,提供了一种信息查询装置400,包括:接收模块401、获取模块402和处理模块403,其中:
接收模块401,用于接收用户输入的问题文本;其中,问题文本包括第一企业名称以及维度描述文本,问题文本用于描述画像信息的查询请求。
获取模块402,用于根据问题文本,获取第一企业名称对应的画像信息;其中,画像信息包括多个维度的信息。
处理模块403,用于将问题文本及画像信息输入至预配置的大语言模型,输出画像信息中与问题文本相匹配的目标维度的信息。
在一个实施例中,上述大语言模型还用于命名实体识别,上述获取模块402包括:
第一处理子模块,用于将问题文本及第一任务标识输入至大语言模型,得到第一企业名称。
第一获取子模块,用于根据第一企业名称,获取对应的画像信息。
在一个实施例中,上述第一处理子模块包括:
第一获取单元,用于获取预配置的第一提示信息,第一提示信息包括模板问题文本及对应的模板企业名称。
处理单元,用于将第一提示信息、问题文本及第一任务标识输入至大语言模型,得到第一企业名称。
在一个实施例中,上述第一获取子模块包括:
匹配单元,用于将第一企业名称与多个预先获取的企业名称进行模糊匹配,得到匹配成功的第二企业名称。
确定单元,用于根据用户的选择操作确定被选中的第二企业名称。
第二获取单元,用于获取被选中的第二企业名称对应的画像信息。
在一个实施例中,上述处理模块403包括:
第二获取子模块,用于获取预配置的第二提示信息;
第二处理子模块,用于按照第二提示信息指示的格式,将问题文本及画像信息输入至预配置的大语言模型,得到画像信息中与问题文本相匹配的目标维度的信息。
在一个实施例中,上述信息查询装置400还包括:
格式转换模块,用于将画像信息转换为键值对格式。
相似度计算模块,用于计算画像信息中的各个键与问题文本之间的相似度。
键值对删除模块,用于删除画像信息中相似度最低的键对应的键值对,直至画像信息的数据量小于预设的阈值。
在一个实施例中,上述多个维度的信息至少包括企业的资源交互维度的信息以及资源风险预警维度的信息。
在一个示例性的实施例中,如图6所示,提供了另一种信息查询装置500,包括:发送模块501、展示模块502,其中:
发送模块501,用于响应于用户输入问题文本,发送问题文本至服务器,以指示服务器获取与问题文本中的第一企业名称相对应的画像信息,将画像信息及问题文本输入至预配置的大语言模型,输出画像信息中与问题文本相匹配的目标维度的信息;其中,问题文本包括第一企业名称以及维度描述文本,问题文本用于描述画像信息的查询请求,画像信息包括多个维度的信息。
展示模块502,用于接收并展示画像信息中与问题文本相匹配的目标维度的信息。
上述信息查询装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信息查询方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个示例性的实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个示例性的实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个示例性的实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。上述实施例中,可能提及某些软件、组件、模型等业界已有方案,应当将它们认为是示范性的,其目的仅仅是为了说明本申请技术方案实施中的可行性,但并不意味着申请人已经或者必然用到了该方案。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (19)
1.一种信息查询方法,其特征在于,所述方法包括:
接收用户输入的问题文本;其中,所述问题文本包括第一企业名称以及维度描述文本,所述问题文本用于描述画像信息的查询请求;
根据所述问题文本,获取所述第一企业名称对应的画像信息;其中,所述画像信息包括多个维度的信息;
将所述问题文本及所述画像信息输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息。
2.根据权利要求1所述的方法,其特征在于,所述大语言模型还用于命名实体识别,所述根据所述问题文本,获取所述第一企业名称对应的画像信息,包括:
将所述问题文本及第一任务标识输入至所述大语言模型,得到所述第一企业名称;
根据所述第一企业名称,获取对应的画像信息。
3.根据权利要求2所述的方法,其特征在于,所述将所述问题文本及第一任务标识输入至所述大语言模型,得到所述第一企业名称,包括:
获取预配置的第一提示信息,所述第一提示信息包括模板问题文本及对应的模板企业名称;
将所述第一提示信息、所述问题文本及所述第一任务标识输入至所述大语言模型,得到所述第一企业名称。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一企业名称,获取对应的画像信息,包括:
将所述第一企业名称与多个预先获取的企业名称进行模糊匹配,得到匹配成功的第二企业名称;
根据用户的选择操作确定被选中的第二企业名称;
获取所述被选中的第二企业名称对应的画像信息。
5.根据权利要求1所述的方法,其特征在于,所述将所述问题文本及所述画像信息输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息,包括:
获取预配置的第二提示信息;
按照所述第二提示信息指示的格式,将所述问题文本及所述画像信息输入至预配置的大语言模型,得到所述画像信息中与所述问题文本相匹配的目标维度的信息。
6.根据权利要求1所述的方法,其特征在于,将所述问题文本及所述画像信息输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息,之前包括:
将所述画像信息转换为键值对格式;
计算所述画像信息中的各个键与所述问题文本之间的相似度;
删除所述画像信息中相似度最低的键对应的键值对,直至所述画像信息的数据量小于预设的阈值。
7.根据权利要求1所述的方法,其特征在于,所述多个维度的信息至少包括企业的资源交互维度的信息以及资源风险预警维度的信息。
8.一种信息查询方法,其特征在于,所述方法包括:
响应于用户输入问题文本,发送所述问题文本至服务器,以指示所述服务器获取与所述问题文本中的第一企业名称相对应的画像信息,将所述画像信息及所述问题文本输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息;其中,所述问题文本包括第一企业名称以及维度描述文本,所述问题文本用于描述画像信息的查询请求,所述画像信息包括多个维度的信息;
接收并展示画像信息中与所述问题文本相匹配的目标维度的信息。
9.一种信息查询装置,其特征在于,所述装置包括:
接收模块,用于接收用户输入的问题文本;其中,所述问题文本包括第一企业名称以及维度描述文本,所述问题文本用于描述画像信息的查询请求;
获取模块,用于根据所述问题文本,获取所述第一企业名称对应的画像信息;其中,所述画像信息包括多个维度的信息;
处理模块,用于将所述问题文本及所述画像信息输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息。
10.根据权利要求9所述的装置,其特征在于,所述获取模块包括:
第一处理子模块,用于将所述问题文本及第一任务标识输入至所述大语言模型,得到所述第一企业名称;
第一获取子模块,用于根据所述第一企业名称,获取对应的画像信息。
11.根据权利要求10所述的装置,其特征在于,所述第一处理子模块包括:
第一获取单元,用于获取预配置的第一提示信息,所述第一提示信息包括模板问题文本及对应的模板企业名称;
处理单元,用于将所述第一提示信息、所述问题文本及所述第一任务标识输入至所述大语言模型,得到所述第一企业名称。
12.根据权利要求10所述的装置,其特征在于,所述第一获取子模块包括:
匹配单元,用于将所述第一企业名称与多个预先获取的企业名称进行模糊匹配,得到匹配成功的第二企业名称;
确定单元,用于根据用户的选择操作确定被选中的第二企业名称;
第二获取单元,用于获取所述被选中的第二企业名称对应的画像信息。
13.根据权利要求9所述的装置,其特征在于,所述处理模块包括:
第二获取子模块,用于获取预配置的第二提示信息;
第二处理子模块,用于按照所述第二提示信息指示的格式,将所述问题文本及所述画像信息输入至预配置的大语言模型,得到所述画像信息中与所述问题文本相匹配的目标维度的信息。
14.根据权利要求9所述的装置,其特征在于,所述信息查询装置包括:
格式转换模块,用于将所述画像信息转换为键值对格式;
相似度计算模块,用于计算所述画像信息中的各个键与所述问题文本之间的相似度;
键值对删除模块,用于删除所述画像信息中相似度最低的键对应的键值对,直至所述画像信息的数据量小于预设的阈值。
15.根据权利要求9所述的装置,其特征在于,所述多个维度的信息至少包括企业的资源交互维度的信息以及资源风险预警维度的信息。
16.一种信息查询装置,其特征在于,所述装置包括:
发送模块,用于响应于用户输入问题文本,发送所述问题文本至服务器,以指示所述服务器获取与所述问题文本中的第一企业名称相对应的画像信息,将所述画像信息及所述问题文本输入至预配置的大语言模型,输出所述画像信息中与所述问题文本相匹配的目标维度的信息;其中,所述问题文本包括第一企业名称以及维度描述文本,所述问题文本用于描述画像信息的查询请求,所述画像信息包括多个维度的信息;
展示模块,用于接收并展示画像信息中与所述问题文本相匹配的目标维度的信息。
17.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
19.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410371537.2A CN118035423A (zh) | 2024-03-29 | 2024-03-29 | 信息查询方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410371537.2A CN118035423A (zh) | 2024-03-29 | 2024-03-29 | 信息查询方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118035423A true CN118035423A (zh) | 2024-05-14 |
Family
ID=91000713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410371537.2A Pending CN118035423A (zh) | 2024-03-29 | 2024-03-29 | 信息查询方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118035423A (zh) |
-
2024
- 2024-03-29 CN CN202410371537.2A patent/CN118035423A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9454580B2 (en) | Recommendation system with metric transformation | |
CN117251777A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN118035423A (zh) | 信息查询方法、装置、计算机设备和存储介质 | |
CN116702024B (zh) | 流水数据类型识别方法、装置、计算机设备和存储介质 | |
CN116881543A (zh) | 金融资源对象推荐方法、装置、设备、存储介质和产品 | |
CN118133044A (zh) | 问题扩展方法、装置、计算机设备、存储介质和产品 | |
CN117370645A (zh) | 页面展示方法、装置、计算机设备和存储介质 | |
CN117216164A (zh) | 金融数据同步处理方法、装置、设备、介质和程序产品 | |
CN117094292A (zh) | 表单文件的处理方法、装置、设备、存储介质及程序产品 | |
CN113987322A (zh) | 指标数据查询方法、装置、计算机设备和计算机程序产品 | |
CN113535125A (zh) | 金融需求项生成方法及装置 | |
CN117130708A (zh) | 应用程序语言切换方法、装置、计算机设备和存储介质 | |
CN117407418A (zh) | 信息获取方法、装置、计算机设备、存储介质和程序产品 | |
CN116861071A (zh) | 资讯推送方法、装置、计算机设备、存储介质和程序产品 | |
CN118170867A (zh) | 业务内容获取方法、装置、计算机设备、介质和程序产品 | |
CN116450669A (zh) | 数据查询方法、装置、计算机设备、存储介质 | |
CN114547066A (zh) | 核电业务数据的标准化方法、装置和计算机设备 | |
CN116881122A (zh) | 测试案例生成方法、装置、设备、存储介质和程序产品 | |
CN117093874A (zh) | 文本生成方法、装置、计算机设备、介质和程序产品 | |
CN117271606A (zh) | 金融数据处理方法、装置、设备、存储介质和程序产品 | |
CN118229251A (zh) | 邮件检索展示方法、装置、计算机设备和存储介质 | |
CN116823384A (zh) | 产品推荐方法、装置、设备、存储介质和计算机程序产品 | |
CN117634751A (zh) | 数据要素评估方法、装置、计算机设备以及存储介质 | |
CN116483696A (zh) | 测试用例生成方法、装置、计算机设备和存储介质 | |
CN118152504A (zh) | 非结构化数据的索引方法、装置、设备、介质和程序产品 |
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 |