期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于知识图谱的城轨大模型RAG检索增强知识库构建研究 被引量:5
1
作者 于松伟 刘巍 +3 位作者 夏秀江 邵昕 韩德志 韩晓艺 《都市快轨交通》 北大核心 2025年第2期1-7,共7页
当前,数据是城轨大模型落地的关键和核心养料,检索增强生成(retrieval-augmented generation,RAG)技术是城轨行业大模型建设和解决大模型幻觉问题的重要手段之一,但却因行业知识库的缺失难以充分发挥效用。本研究通过实体分类表、术语... 当前,数据是城轨大模型落地的关键和核心养料,检索增强生成(retrieval-augmented generation,RAG)技术是城轨行业大模型建设和解决大模型幻觉问题的重要手段之一,但却因行业知识库的缺失难以充分发挥效用。本研究通过实体分类表、术语词典、属性库、实体关系表,创建分类骨架-语义基准-特征规则-逻辑关系四维架构,尤其新增实体的行业属性,突破传统知识图谱的实体A-关系-实体B三元组架构,从而形成标准化与立体化的行业知识体系。基于此构建的高质量行业知识库作为RAG技术的核心组件,通过数据采集→结构化→向量化→知识化的链路,为大模型提供标准、可信、可溯的领域知识,显著提升城轨大模型生成内容的的可靠性和专业性,为城轨行业迈向数据驱动与知识驱动的新阶段提供核心支撑。 展开更多
关键词 城市轨道交通 人工智能 大模型 DeepSeek RAG 知识库 知识图谱 向量数据库 数据标注
在线阅读 下载PDF
ChatSOS:基于大语言模型的安全工程知识问答系统 被引量:1
2
作者 唐海洋 刘振翼 +1 位作者 陈东平 初庆钊 《中国安全科学学报》 CAS CSCD 北大核心 2024年第8期178-185,共8页
为解决大语言模型在安全工程领域应用时面临的语料库规模、输入处理能力和隐私性限制等问题,以2013—2023年间共117篇爆炸事故调查报告为基础构建向量数据库,利用大语言模型的生成式能力,进行提示工程,提出一个基于大语言模型的安全工... 为解决大语言模型在安全工程领域应用时面临的语料库规模、输入处理能力和隐私性限制等问题,以2013—2023年间共117篇爆炸事故调查报告为基础构建向量数据库,利用大语言模型的生成式能力,进行提示工程,提出一个基于大语言模型的安全工程知识问答(Q&A)系统——ChatSOS;与ChatGPT大语言模型相比,ChatSOS能够通过整合外部知识库,使大语言模型根据用户的输入信息,从数据库中检索相关语料,并深入分析。结果表明:ChatSOS具备深入分析问题、自主分配任务的能力,能够详尽总结事故报告并提出建议;通过结合外部知识库解决基础大模型在安全工程领域语料不足和语料实时性不高的问题,避免了使用新数据集微调模型可能导致的模型性能下降等问题,提升了大语言模型在安全工程领域的应用能力。 展开更多
关键词 ChatSOS 大语言模型 安全工程 知识问答(Q&A)系统 事故调查 向量数据库
在线阅读 下载PDF
生成式人工智能对社交机器人的影响与治理对策 被引量:17
3
作者 邵雷 石峰 《情报杂志》 CSSCI 北大核心 2024年第7期154-163,共10页
[研究目的]生成式人工智能使作为社交媒体舆情传播核心的社交机器人具有更加强大的舆论操纵能力,且随着生成式人工智能的快速发展,社交机器人与人类在社交媒体中的活动更加难以区分,隐匿性更强,危害性更大,需要提早研究社交机器人的治... [研究目的]生成式人工智能使作为社交媒体舆情传播核心的社交机器人具有更加强大的舆论操纵能力,且随着生成式人工智能的快速发展,社交机器人与人类在社交媒体中的活动更加难以区分,隐匿性更强,危害性更大,需要提早研究社交机器人的治理策略,以维护网络舆情安全和国家安全。[研究方法]结合生成式人工智能的特点,剖析了其对社交机器人操纵舆情能力的影响,采取“技术管控技术”的理念,提出基于生成式人工智能的社交机器人情报分析建模思路,在模型中增加向量数据库和本体推理,增强了模型的相似性检索、语义理解、多模态数据分析、动态数据更新以及少样本学习能力。[研究结论]通过将“大语言模型”和“知识图谱”进行深度融合,利用知识图谱中的知识减少大语言模型的“幻觉问题”。同时,利用大语言模型完善和补全知识图谱,增强了对社交媒体情报信息的检索和应用能力。在社交迷雾演化全生命周期提高了对社交媒体舆情,特别是社交机器人的监测识别、感知预警、追踪溯源和研判管控能力。 展开更多
关键词 生成式人工智能 社交机器人 信息迷雾 向量数据库 社交媒体 知识图谱
在线阅读 下载PDF
基于迁移学习的小样本织物图像自动分类与检索系统 被引量:3
4
作者 游小荣 李淑芳 +1 位作者 邓丰 雍成宇 《毛纺科技》 CAS 北大核心 2023年第8期83-88,共6页
针对织物图像在电子商务、库存管理等领域的应用存在分类繁琐、检索精度不高等问题,提出了一种基于迁移学习的小样本织物图像自动分类与检索系统。首先,设计并改进了基于迁移学习的深度学习模型,对其进行微调;然后基于小样本织物图像集... 针对织物图像在电子商务、库存管理等领域的应用存在分类繁琐、检索精度不高等问题,提出了一种基于迁移学习的小样本织物图像自动分类与检索系统。首先,设计并改进了基于迁移学习的深度学习模型,对其进行微调;然后基于小样本织物图像集训练,生成新的分类模型,实现织物图像自动分类;最后,去除新模型中的分类层,提取数据集所有织物图像的图像特征,存储到Milvus向量数据库中,输入待检索织物图像,选择相似度计算方法,实现织物图像top k检索。实验结果表明:预训练模型经重新设计及训练后,织物图像识别精度可达99.5%,top 5检索的平均精度均值为0.992,平均查准率为99.65%,平均检索时间0.1653 s。通过系统的实施,可为小样本织物图像分类与检索领域现存问题提供可行的解决方案。 展开更多
关键词 织物图像 迁移学习 图像分类 向量数据库 图像检索
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部