检索结果-内蒙古大学图书馆

青海科技 2025年第01期 178-185页

作者：完玛道吉安见才让青海民族大学智能科学与工程学院藏文信息处理软件研究所

随着大规模语言模型的不断发展,其在低资源语言的应用方面面临着诸多挑战。藏语作为一种低资源语言,相关研究较为滞后。文章致力于构建藏语新闻指令数据集,以推动藏语自然语言处理的发展。在构建过程中,参考了多种方法,从新闻网站、报... 详细信息

随着大规模语言模型的不断发展,其在低资源语言的应用方面面临着诸多挑战。藏语作为一种低资源语言,相关研究较为滞后。文章致力于构建藏语新闻指令数据集,以推动藏语自然语言处理的发展。在构建过程中,参考了多种方法,从新闻网站、报纸以及社交媒体等多个数据源采集数据,并进行预处理,包括去噪、去重和格式化等操作。同时,依据简洁、明确、多样的原则设计了指令体系,其中包含新闻生成和标题生成等任务。该数据集遵循特定的格式,通过建立完整性、多样性等评估指标体系,对数据集进行了评估,并进行了统计分析和指令类型分析。结果表明,该数据集具有可观的规模和良好的质量,冀望为藏语自然语言处理的发展提供价值,以及为大规模语言模型在低资源语言中的应用提供有效参考。

关键词：大规模语言模型藏语新闻指令数据集自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于三幕结构思维链和语义自洽的事件驱动故事生成方法

引用

模式识别与人工智能 2024年第7期37卷 571-583页

作者：黄于欣赵源余正涛吴磊马九顺昆明理工大学信息工程与自动化学院昆明650504 昆明理工大学云南省人工智能重点实验室昆明650504

事件驱动故事生成旨在根据有限的故事背景和事件信息生成连贯且符合事件内容的故事.然而,现有方法常因对复杂的事件关系推理不足,导致生成的故事存在语义不连贯、情节冲突等问题.为此,文中提出基于三幕结构思维链和语义自洽的事件驱动... 详细信息

事件驱动故事生成旨在根据有限的故事背景和事件信息生成连贯且符合事件内容的故事.然而,现有方法常因对复杂的事件关系推理不足,导致生成的故事存在语义不连贯、情节冲突等问题.为此,文中提出基于三幕结构思维链和语义自洽的事件驱动故事生成方法,在生成故事前选择类型多样的故事示例,学习不同类型故事的写作方式.生成故事时,按照故事的开端、冲突和结局三幕结构设计思维链,引导方法合理规划故事内容,避免故事情节前后矛盾.生成故事后,引入语义自洽,模拟作家的推敲过程,从生成的多个故事中选择语义一致、连贯性和相关性较高的故事.实验表明,相比提示学习方法,文中方法的BLEU-4和BERTScore指标值有所提升,并且在人工评估中也占有一定的优势.

关键词：事件驱动故事生成大规模语言模型语义自恰三幕结构思维链

来源：评论

学校读者我要写书评

暂无评论

ChatGPT对文献情报工作的影响

引用

数据分析与知识发现 2023年第3期7卷 36-42页

作者：张智雄于改红刘熠林歆张梦婷钱力中国科学院文献情报中心北京100190 中国科学院大学经济与管理学院信息资源管理系北京100190 国家新闻出版署学术期刊新型出版与知识服务重点实验室北京100190

【目的】研究探讨以ChatGPT为代表的人工智能技术对文献情报工作的启示和影响,为文献情报领域提出在人工智能时代下的发展建议。【方法】基于对人工智能发展历程的总结,分析了人工智能技术飞速突破的本质。基于ChatGPT的技术能力特点,... 详细信息

【目的】研究探讨以ChatGPT为代表的人工智能技术对文献情报工作的启示和影响,为文献情报领域提出在人工智能时代下的发展建议。【方法】基于对人工智能发展历程的总结,分析了人工智能技术飞速突破的本质。基于ChatGPT的技术能力特点,分析了其对文献情报工作的影响。基于文献情报工作的优势和价值,提出了人工智能时代文献情报领域发展的建议。【结果】总结出了人工智能技术迅速发展对文献情报工作的五点启示。从数据组织方式、知识服务模式、情报分析方法、文献使用方式、文献情报队伍建设要求以及文献情报工作重点六个方面分析了ChatGPT对文献情报领域的影响。基于文献情报工作的特点,提出人工智能时代文献情报领域发展的九条建议。【结论】知识获取能力提升是人工智能技术飞速突破的本质所在。ChatGPT的成功也表明高价值语料是一切人工智能的基础。文献情报领域组织和管理着蕴含人类知识的高价值数据资源,这对人工智能的发展有着非常重要的价值和意义。ChatGPT重在内容生成,而文献情报工作重在循证,文献情报工作要顺应时代发展,积极应用和拓展人工智能技术,为人工智能的发展贡献文献情报领域的智慧和方案。

关键词： ChatGPT 大规模语言模型人工智能文献情报工作科学研究

来源：评论

学校读者我要写书评

暂无评论

ChatGPT类技术:法律人工智能的改进者还是颠覆者?

引用

政法论坛 2023年第4期41卷 49-62页

作者：王禄生东南大学法学院东南大学人民法院司法大数据研究基地

21世纪以来,法律人工智能呈现出繁荣复兴的景象。但火热表象的背后,法律领域的语言复杂性、知识丰富性使得法律人工智能仍然面临自然语义处理与知识生成的技术瓶颈。以ChatGPT为代表的大规模语言模型与生成式人工智能技术有望破除法律... 详细信息

21世纪以来,法律人工智能呈现出繁荣复兴的景象。但火热表象的背后,法律领域的语言复杂性、知识丰富性使得法律人工智能仍然面临自然语义处理与知识生成的技术瓶颈。以ChatGPT为代表的大规模语言模型与生成式人工智能技术有望破除法律人工智能的自然语言理解瓶颈,极大提升技术互动性、生成性与嵌入性,推动法律人工智能与用户形成刚需性、高频率和高黏性的联结。尽管如此,现有ChatGPT类技术的底层逻辑无法充分回应法律知识丰富性、严谨性与创造性的领域需求,流畅语言处理能力与相对较低知识生成能力错配产生的知识完满幻觉、知识权威幻觉与知识生成幻觉,制约了大规模语言模型与生成式人工智能的架构对法律人工智能的根本性颠覆。未来需要通过强化高质量多模态法律数据的供给并建构基于法律指令集的指令微调机制和基于法律人知识反馈的强化学习机制,克服“知识幻觉”以实现法律人工智能的进一步迭代。与此同时,在技术社会学意义上调适创新扩散与社会公正的张力,避免可及性与可用性两个层面的数字鸿沟,真正实现全社会围绕法律知识的新一轮赋权赋能。

关键词： ChatGPT类技术大规模语言模型生成式人工智能法律人工智能

来源：评论

学校读者我要写书评

暂无评论

InstructGPT在命名实体识别任务中的表现和挑战

引用

中文信息学报 2024年第1期38卷 74-85页

作者：孙瑜颜航邱锡鹏王定牟小峰黄萱菁复旦大学计算机科学技术学院上海200433 美的集团AI创新中心广东佛山528311

当前,关于大规模语言模型,例如,InstructGPT的研究主要聚焦在自由形式生成任务上,而忽略了在结构化抽取任务上的探索。为了让未来的工作在结构化抽取任务上有一个全面的认知,该文在零样本和少样本设定下,全面分析了InstructGPT在基础的... 详细信息

当前,关于大规模语言模型,例如,InstructGPT的研究主要聚焦在自由形式生成任务上,而忽略了在结构化抽取任务上的探索。为了让未来的工作在结构化抽取任务上有一个全面的认知,该文在零样本和少样本设定下,全面分析了InstructGPT在基础的结构化抽取任务,命名实体识别上的表现。为了让结论更加可靠,该文的实验同时包含了生物医学领域和通用领域的常规和嵌套数据集。实验结果表明,InstructGPT在零样本学习上的性能只能达到微调小规模语言模型的11%~56%,增加少量样本也最多只能提升至72%。为了探究InstructGPT在命名实体识别上表现性能不佳的原因,该文通过分析模型的输出,发现接近50%的句子都存在无效生成的问题。另外,由于无效生成会同时导致“虚假错误预测”和“虚假正确预测”,解决生成无效问题并不能保证性能的提升。此外,InstructGPT抽取嵌套实体的能力还是有待提高,抽取嵌套实体的比例也偏低。因此,用InstructGPT解决命名实体识别任务,除了要保证生成的有效性,还需要更加深入地研究才能找到行之有效的方法。

关键词：大规模语言模型命名实体识别上下文学习思维链

来源：评论

学校读者我要写书评

暂无评论

ChatGPT对图书馆智能知识服务的启示与思考

引用

农业图书情报学报 2023年第1期35卷 29-38页

作者：赵瑞雪黄永文马玮璐董文佳鲜国建孙坦中国农业科学院农业信息研究所北京100081 中国农业科学院北京100081 国家新闻出版署农业融合出版知识挖掘与知识服务重点实验室北京100081 农业农村部农业大数据重点实验室北京100081

[目的/意义]ChatGPT是数智时代AI技术取得重大突破的典型应用,也进一步体现了多模态内容对于人工智能技术更新迭代的迫切需求。研究聚焦ChatGPT,在加深用户对其整体认知的同时,以期结合此类新型人工智能技术,为图书馆开展智能知识服务... 详细信息

[目的/意义]ChatGPT是数智时代AI技术取得重大突破的典型应用,也进一步体现了多模态内容对于人工智能技术更新迭代的迫切需求。研究聚焦ChatGPT,在加深用户对其整体认知的同时,以期结合此类新型人工智能技术,为图书馆开展智能知识服务提供参考与借鉴。[方法/过程]通过分析ChatGPT的发展历程、技术特点、典型应用场景和集成应用路径,对比国内外同类技术产品,总结ChatGPT在技术上的局限与存在的安全风险,在此基础上思考ChatGPT对图书馆产生的影响。[结果/结论]图书馆及相关信息机构可充分融合大数据和人工智能等新型技术,依托高质量的科技资源和知识组织体系,全面提高其智能知识服务水平。

关键词： ChatGPT 人工智能生成内容技术智能知识服务大规模语言模型

来源：评论

学校读者我要写书评

暂无评论

面向小样本的威胁情报命名实体识别方法

引用

计算机工程与设计 2024年第9期45卷 2599-2605页

作者：萨仁高娃邬超慧张振张悦内蒙古电力集团有限责任公司内蒙古电力经济技术研究院内蒙古呼和浩特010020

为解决威胁情报领域的数据源不足、实体专业性强等问题,提出一种面向小样本的威胁情报命名实体识别模型AbNER。设计基于自注意力机制的隐式特征引导模块,引入prompt模板,融合专业领域的先验知识,结合两者共同完成识别实体。对模型输入... 详细信息

为解决威胁情报领域的数据源不足、实体专业性强等问题,提出一种面向小样本的威胁情报命名实体识别模型AbNER。设计基于自注意力机制的隐式特征引导模块,引入prompt模板,融合专业领域的先验知识,结合两者共同完成识别实体。对模型输入层结构进行优化,有效提升编码性能。分析AbNER在通用和电网等两类威胁情报数据上的测试结果,模型在5个全量数据集和3个小样本数据集上均达到最优表现,验证了AbNER的实体识别优势和小样本能力。

关键词：命名实体识别威胁情报小样本自注意力机制大规模语言模型提示学习网络安全

来源：评论

学校读者我要写书评

暂无评论

社交媒体数据中水灾事件求助信息提取模型

引用

计算机应用 2024年第8期44卷 2437-2445页

作者：孙焕良王思懿刘俊岭许景科沈阳建筑大学计算机科学与工程学院沈阳110168 辽宁省城市建设大数据管理与分析重点实验室(沈阳建筑大学) 沈阳110168 国家特种计算机工程技术研究中心沈阳分中心沈阳110168

由于社交媒体平台上所发布的非结构化信息存在数据不一致、重要程度不同等问题,使自动准确抽取所需信息并标注受灾级别成为一个有挑战性的工作。因此,结合形式概念分析(FCA)、词共现关系和上下文语义信息构建了水灾事件知识体系。利用... 详细信息

由于社交媒体平台上所发布的非结构化信息存在数据不一致、重要程度不同等问题,使自动准确抽取所需信息并标注受灾级别成为一个有挑战性的工作。因此,结合形式概念分析(FCA)、词共现关系和上下文语义信息构建了水灾事件知识体系。利用所构建的知识体系,基于TencentPretrain框架对大规模语言预训练模型(LLM)进行指令微调,构建了ChatFlowFlood信息抽取模型,可以在少量人工标记情况下,准确自动抽取被困情况、紧缺物资等信息;在信息抽取模型的基础上,通过模糊层次分析法(FAHP)和CRITIC法(CRiteria Importance Through Intercriteria Correlation)主客观结合评定求助信息的救援优先级,帮助决策者理解灾情紧急程度。实验结果表明,在中文社交媒体数据上,与ChatFlow-7B模型相比,ChatFlowFlood模型的FBERT指标提升了73.09%。

关键词：中文社交媒体命名实体识别大规模语言模型指令微调水灾事件

来源：评论

学校读者我要写书评

暂无评论

统计机器翻译中模型的训练、自适应和学习算法研究

统计机器翻译中模型的训练、自适应和学习算法研究

引用

作者：卢世祥中国科学院大学

学位级别：博士

虽然统计机器翻译的重要组成部分是三个子问题:语言模型、翻译模型和解码算法，但是“主要瓶颈”问题是模型本身，模型着决定翻译性能的上限。\n 本文以提高翻译性能为总体目标，从统计机器翻译中模型（语言模型和翻译模型）的训练... 详细信息

虽然统计机器翻译的重要组成部分是三个子问题:语言模型、翻译模型和解码算法，但是“主要瓶颈”问题是模型本身，模型着决定翻译性能的上限。\n 本文以提高翻译性能为总体目标，从统计机器翻译中模型（语言模型和翻译模型）的训练、自适应和学习三个方面入手，对统计机器翻译的关键算法进行了系统地研究。主要研究内容如下:\n 1.大规模语言模型分布式快速训练\n 本文提出了基于分布式计算平台的大规模语言模型快速训练方法。在该方法中，“客户端-服务器”模式的分布式计算平台增加了大规模数据的处理能力;内存交互方式提高了语言模型的训练速度;修正的Kneser-Ney平滑算法实现了分块并行训练;分布式存储解决了大规模语言模型的存储问题。\n 2.基于语料筛选的模型自适应\n 2.1.基于跨语言语料筛选的语言模型自适应\n 统计机器翻译中，语言模型的性能受限于训练语料的数量（语料规模）和质量（语料和翻译任务是否匹配），很多学者选择从训练语料中筛选和翻译任务相似的训练语料的角度来提高其性能。但是，传统的语料筛选方法大都是基于词袋模型的单语筛选方法，容易产生“噪声繁衍”问题，并且没有考虑上下文信息。本文提出了两种基于上下文信息的跨语言语料筛选方法。实验表明，与基于词袋模型的单语筛选方法相比，两种方法都可以进一步提高语料筛选的质量和翻译性能。两种方法分别是:\n 基于翻译模型的跨语言语料筛选方法:结合短语翻译模型和跨语言信息检索的思想，本文提出了基于翻译模型的跨语言语料筛选方法。给出当前翻译任务中的一个源语言句子，我们可以在翻译之前直接地估算目标语言端的语言模型训练语料中的句子是否与它相似，并据此相似度筛选相似语料。在语料筛选过程中，我们的方法以短语为单位，引入了上下文信息。另外，本文还引入了线性排序模型框架，可以将很多不同的模型作为特征引入到该框架中。\n 基于双语主题模型的跨语言语料筛选方法:从词的主题分布角度将语义相关的词作为全局上下文信息，本文提出了基于双语主题模型的跨语言语料筛选方法。我们将语料中跨语言相似的句对看作是在语言上独立地跨语言语义表示，假设它们含有相同或是相似的主题分布，也就是相同或是相似的全局上下文信息。\n 2.2.基于双语语料筛选的翻译模型自适应\n 翻译模型的性能同样受限于双语语料的数量和质量。集内的双语语料很难获取，通常规模较小。相比之下，通用领域的双语语料却是很容易获取，通常规模较大，但是要面临语料差异性的代价:和翻译任务要么完全无关，要么在主题或是领域上相差较大。首先，为了提高翻译性能，我们从网络上收集了大量的通用领域的双语语料。然后，本文提出了基于短语的双语语料筛选方法，并且应用于从通用领域双语语料中筛选“伪集内”语料。实验表明，筛选得到的“伪集内”语料可以进一步提高翻译性能。\n 3.基于深度神经网络的翻译模型学习\n 3.1.基于深度自动编码器(DAE)的短语特征学习\n 虽然很多特征被引入到统计机器翻译中来并提高了翻译性能，但是其中的绝大多数特征都是从基于双语语言对的语言学现象中设计得到的，因此他们大都很难被发现和评估。为了代替直觉、语言学或领域知识去设计新特征，本文系统地探索了机器翻译中如何利用深度神经网络自动地发现和学习新的特征。以原始特征作为输入特征，本文提出了基于DAE的短语特征自动学习方法。实验表明，自动学习到的DAE特征比基本特征更加有效，并且可以和原始特征相互补充，进一步提高翻译性能。\n 3.2.基于递归神经网络(RNN)的词嵌套结构学习\n 基于层次短语的翻译模型中，翻译规则都是从没有任何语言学标注信息和假设成分的双语语料中自动学习获取的，并没有利用任何语言学知识。这样就会导致很多的翻译规则不符合语言学约束，进而导致解码过程中的翻译规则推导也不符合语言学约束，最终影响翻译性能。本文通过“强制解码”和“推导转换”将基于最大边缘的RNN引入到层次短语翻译模型中来，提出了基于RNN的词嵌套模型。实验表明，该模型可以从源语言端解决词的拓扑结构问题，使得规则解析过程更加符合语法和语义约束，进一步区分正确和错误的翻译规则推导，提高了翻译性能。

关键词：统计机器翻译大规模语言模型领域自适应深度神经网络学习算法

来源：评论

学校读者我要写书评

暂无评论

社交媒体数据中水灾事件信息抽取技术研究

社交媒体数据中水灾事件信息抽取技术研究

引用

作者：王思懿沈阳建筑大学

学位级别：硕士

水灾是一种严重的自然灾害,对城市交通、公共服务、房屋和基础设施会造成严重破坏,影响居民日常生活,严重威胁人民的生命财产安全。由于救援资源有限,及时有效地从水灾社交媒体中识别求助信息、评定救援优先级,快速高效地做出救援应急响... 详细信息

水灾是一种严重的自然灾害,对城市交通、公共服务、房屋和基础设施会造成严重破坏,影响居民日常生活,严重威胁人民的生命财产安全。由于救援资源有限,及时有效地从水灾社交媒体中识别求助信息、评定救援优先级,快速高效地做出救援应急响应,对救援工作具有重要意义。当发生规模较大的灾害时,传统的收集灾情方法难以在短时间内获取灾区的真实情况。此时,社交媒体平台上发布的大量信息为应急灾害响应提供了及时的信息来源。然而,社交媒体平台上发布的非结构化信息存在数据不一致、重要程度不同等问题,同时社交媒体数据对事件的描述不够规范和完整,导致实体边界变得模糊,使得自动准确抽取所需信息并标注受灾级别成为一个有挑战性的工作。基于以上观察,本文设计了针对水灾事件领域的信息抽取模型Chat Flow Flood,并对求助信息进行了救援优先级等级评估。在此基础上,构建了水灾事件知识图谱,提出了水灾事件应急预案生成方法。在水灾事件领域的信息抽取方面,首先,结合形式概念分析、词共现关系和上下文语义信息构建了水灾事件知识体系。然后,设计了BERT-CNN的文本分类模型有效地过滤掉与求助无关的信息。其次,利用所构建的水灾事件知识体系,基于Tencent Pretrain框架对大规模语言预训练模型进行指令微调,构建了Chat Flow Flood信息抽取模型,可以在少量人工标记情况下,实现准确自动抽取被困情况、紧缺物资等信息。在信息抽取模型的基础上,通过模糊层次分析法和CRITIC方法主客观结合评定求助信息的救援优先级,以便快速高效地做出救援应急响应,从而减少可能的生命和财产损失。综合水灾事件知识体系和救援优先级,采用自顶向下和自底向上的方法构建了水灾事件知识图谱,基于Protégé工具构建水灾事件的本体,添加实例信息后存储在Neo4j图数据库中,丰富了应急管理体系的信息和语义关系。然后基于水灾事件知识图谱形成水灾事件案例库,本文综合考虑知识图谱的案例关系和案例属性特征,设计了一种基于知识图谱融合案例推理的应急预案生成方法,提高了水灾事件的应急综合救援能力。信息抽取任务的实验结果表明,在中文社交媒体数据上,与Chat Flow-7B模型相比,Chat Flow Flood模型的在FBERT指标方面提升了73.09%,为灾害事件处理与社会救援工作带来了重要的现实意义和应用价值。水灾事件知识图谱构建以“山西特大暴雨”为实例,通过实验与分析,验证本文提出的水灾事件知识图谱在应急预案生成中的有效性。

关键词：中文社交媒体命名实体识别大规模语言模型知识图谱

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：