25小说网 通过搜索各大小说站为您自动抓取各类小说的最快更新供您阅读!
25小说网 >  离语 >   第336章 好

2.3 检索增强生成技术

RAG(Retrieval-Augmented Generation)技术是一种结合了信息检索(Retrieval)和文本生

成(Generation)的自然语言处理(NLp)方法。核心思想是将传统的检索技术与现代的自然语言

生成技术相结合,以提高文本生成的准确性和相关性。它旨在通过从外部知识库中检索相关信息来

辅助大型语言模型(如 Gpt 系列)生成更准确、可靠的回答。

在 RAG 技术中,整个过程主要分为三个步骤如图 2.2 所示:索引( Indexing)、检索

(Retrieval)和生成(Generation)。首先,索引步骤是将大量的文档或数据集合进行预处理,将

其分割成较小的块(chunk)并进行编码,然后存储在向量数据库中。这个过程的关键在于将非结

构化的文本数据转化为结构化的向量表示,以便于后续的检索和生成步骤。接下来是检索步骤,它

根据输入的查询或问题,从向量数据库中检索出与查询最相关的前 k 个 chunk。这一步依赖于高效

的语义相似度计算方法,以确保检索到的 chunk 与查询具有高度的相关性。最后是生成步骤,它将

原始查询和检索到的 chunk 一起输入到预训练的 transformer 模型(如 Gpt 或 bERt)中,生成最

终的答案或文本。这个模型结合了原始查询的语义信息和检索到的相关上下文,以生成准确、连贯

且相关的文本。

RAG 的概念和初步实现是由 douwe Kiela、patrick Lewis 和 Ethan perez 等人在 2020 年首次

提出的。他们在论文《Retrieval-augmented generation for knowledge-intensive nlp tasks》

中详细介绍了 RAG 的原理和应用,随后谷歌等搜索引擎公司已经开始探索如何将 RAG 技术应用到搜

索结果的生成中,以提高搜索结果的准确性和相关性。在医疗领域,RAG 技术可以帮助医生快速检

索医学知识,生成准确的诊断建议和治疗方案。

2.4 文本相似度计算

文本相似度计算是自然语言处理(NLp)领域的一个重要研究方向,它旨在衡量两个或多个文

本之间的相似程度。文本相似度计算的原理基于两个主要概念:共性和差异。共性指的是两个文本

之间共同拥有的信息或特征,而差异则是指它们之间的不同之处。当两个文本的共性越大、差异越

小,它们之间的相似度就越高。

文本相似度计算可以根据不同的分类标准进行分类。首先基于统计的方法分类,这种方法主要

关注文本中词语的出现频率和分布,通过统计信息来计算文本之间的相似度。常见的基于统计的方

法有余弦相似度、Jaccard 相似度等。其次是基于语义的方法分类,这种方法试图理解文本的含义

和上下文,通过比较文本的语义信息来计算相似度。常见的基于语义的方法有基于词向量的方法

(如 word2Vec、GloVe 等)和基于主题模型的方法(如 LdA、pLSA 等)。最后是基于机器学习的方

法分类,这种方法利用机器学习算法来训练模型,通过模型来预测文本之间的相似度。常见的基于

机器学习的方法有支持向量机(SVm)、神经网络等。

目前,在国内外,文本相似度计算已经取得了丰富的成果。国内方面,清华大学等机构的研究

者提出了基于深度学习的文本相似度计算方法,利用神经网络模型来捕捉文本的深层语义信息,实

现了较高的相似度计算精度。江苏师范大学的研究者提出了利用《新华字典》构建向量空间来做中

文文本语义相似度分析的方法,该方法在中文文本相似度计算方面取得了显着的效果。放眼国外,

Google 的研究者提出了 word2Vec 算法,该算法将词语表示为高维向量空间中的点,通过计算点之

间的距离来衡量词语之间的相似度。word2Vec 算法在文本相似度计算领域具有广泛的影响。斯坦

福大学等机构的研究者提出了 bERt 模型,该模型通过大量的无监督学习来捕捉文本的上下文信

息,可以实现高精度的文本相似度计算。bERt 模型在多项自然语言处理任务中均取得了优异的表

现。

2.5 本章小结

本章主要介绍了本项目中使用的四种关键技术与模型。这些技术主要基于大型语言模型,并且

依赖于 RAG 技术的原理。介绍了知识抽取技术,它利用先进的自然语言处理技术从文本中提取有意

义的信息和知识,随后讨论了文本处理中所使用的 RAG 技术,该技术可以显着提高大型语言模型在

专业领域的性能,增强信息检索的准确性和效率。最后探讨了在文本比对过程中所需的相似度计算

方法,这对于评估文本之间的相似程度至关重要。

了解清楚数据获取来源后,进行数据采集,数据采集的方法包括自动化和手动两种方式:

自动化采集:利用编写的 python 脚本通过 ApI 接口自动从上述数据库和期刊中下载文献和元

数据,部分代码如图 3.2 所示。这种方法的优点是效率高,可以大量快速地收集数据。使用

beautifulSoup 和 Requests 库从开放获取的期刊网站爬取数据。

手动采集:通过访问图书馆、研究机构以及联系文章作者等方式获取不易自动下载的资源。虽

然此方法更费时,但有助于获取更全面的数据集,特别是一些最新或尚未公开的研究成果。

将两种方法采集到的文献数据进行汇总,最大范围的将有关电力 LcA 领域的英文文献进行汇

总,共获得 507 篇。

最后是将各个途径获取到的文献数据和元数据汇总,进行数据预处理。

采集到的数据需经过清洗和预处理,才能用于后续的分析。

数据预处理的步骤包括:

数据清洗:删除重复的记录,校正错误的数据格式,填补缺失值。

数据整合:将来自不同来源的数据整合到一个统一的格式和数据库中,如表 3.1 所示,以便进

行进一步的分析。

为了使后续知识库生成更加准确与完善,对文献具体内容进行筛选。例如部分文献中并未提到

所用数据,而是指出所用数据库链接,如图 3.3 所示,在对该篇文献进行解析后,数据部分就是欠

缺的,最终构建的知识库就不完整,在调用大模型回答相关问题时,极大概率产生幻觉。因此为了

构建更为准确的专业模型,对爬取下来的 507 篇文献进行筛选,选择包括流程图(system

boundaries)、各单元过程或生产环节的投入( input),产出( output),数据( life cycle

inventory),以及数据的时间、地点、获取方法、技术细节的文献作为最后应用的数据。核对内容

后的文献数据集共 98 篇英文文献。

25小说网推荐阅读:绝色兽夫又撩又野,霸道拥我入怀民国谍战,卧底巅峰凡人修仙:无尽底牌仙灵:这师徒俩真好磕完美演技系统美人不幸【快穿】快穿之成精日常BL游戏超前体验特工的年代生涯长公主沉迷造反,但有六个男主英雄无敌之终焉的审判他的暗恋翻涌饲爱重生之盛世女神探修仙从狗开始冷面王爷绝情妃貔貅幼崽靠玄学爆红娱乐圈弃妃?女帝手执长鞭抽翻渣夫爹跳崖娘殉葬,这家没我要完蛋她竟然如此跟班十八岁龙族:路明非她命中缺鬼,鬼王的鬼蝶舞流星满嘴芬芳旅行异世界我本仙人与凤行:让你当怂包,你成上古神终极一家孤儿想做人的那些日子云在天边水在瓶妙龄少女是杀手:御姐独宠小奶猫咒术回战:没有外挂要如何HE?越过丘山要命!和绝色小暗卫中了双修情蛊星穹铁道:开局魂穿可可利亚穿越谍战,我有一个每日情报系统斗罗:异火武魂,开局十万年魂环平凡者的修仙妃本纯洁之轻狂太子妃盐河若有意爱之奇特圆之恋异途诡道女配她只想活命,霸总非要谈恋爱小马宝莉:快穿之小马新世界笨蛋美人不装了,玩弄权术第一人站姐手握系统成顶流乱世之巅峰召唤云中遥寄锦书来诡异共生,我才是真正的怪物!斗罗:武魂殿七杰
25小说网搜藏榜:凡人修仙:无尽底牌冷面王爷绝情妃貔貅幼崽靠玄学爆红娱乐圈弃妃?女帝手执长鞭抽翻渣夫爹跳崖娘殉葬,这家没我要完蛋她竟然如此跟班十八岁龙族:路明非她命中缺鬼,鬼王的鬼蝶舞流星满嘴芬芳旅行异世界我本仙人与凤行:让你当怂包,你成上古神仙灵:这师徒俩真好磕终极一家孤儿想做人的那些日子云在天边水在瓶妙龄少女是杀手:御姐独宠小奶猫咒术回战:没有外挂要如何HE?越过丘山要命!和绝色小暗卫中了双修情蛊星穹铁道:开局魂穿可可利亚穿越谍战,我有一个每日情报系统斗罗:异火武魂,开局十万年魂环平凡者的修仙妃本纯洁之轻狂太子妃盐河若有意爱之奇特圆之恋异途诡道女配她只想活命,霸总非要谈恋爱小马宝莉:快穿之小马新世界笨蛋美人不装了,玩弄权术第一人站姐手握系统成顶流乱世之巅峰召唤云中遥寄锦书来诡异共生,我才是真正的怪物!斗罗:武魂殿七杰七零,最野军官被外科大佬拿捏了现代女不讲武德,村民躲灾她致富我的世界即是你摄政王又怎样,王妃不稀罕原神的愿望从超神开始的英雄联盟穿越1937,我来讨伐关东军盛宠蛊妃:邪魅王爷别乱来王者:开局拿捏花木兰重生人在惊奇先生死神:拒绝下线卯之花我在明朝开了挂斗罗,敢凶我别怪我吃恶魔果
25小说网最新小说:无限幽界:逆流者的试炼之途穿越四合院世界,开局娶妻秦淮茹晚年被老婆分手,我打造最强家族海贼世界的自由人精彩修仙传悬案册,云隐市追凶实录!侍妾娇媚,狠戾王爷日日夜夜哄冷宫弃妃她成了权臣的心头肉!喜大普奔,修真界大杀神有人管了谍战:开局叛逆者,谁有我更拽!猫姬原始至尊化修罗月师妹那么乖,怎么可能会是海王梦近南山春来晚我,多世界拯救者,煎饼果子之神那年那时的青春重生保姆四十岁,豪门大佬宠上天惊悚领域:从精神病院进入诡世界崩铁:世一剑,从星核猎手开始我的奇葩室友:都市爆笑合租记家族修仙,我为镇族灵石宿敌就是宿敌,怎么能变成你老婆吃瓜上位,我成了暴君的唯一信仰都穿越了,当然是躺平咯玄学大佬下山,成团宠很合理吧夫君迎穿越女进门那日,她觉醒了一言不合拔腿就跑的将军夫人摆脱,谁爱宅斗啊修仙不好吗?地府来的疯批师妹,带宗门狂上天新妇一身反骨,给婆家挨个添堵四合院:分家是你,你羡慕啥?我才一岁,系统让我逆袭什么鬼?葬仙棺给食戟来点万界食材霸道总裁之诡计多端的爱修仙而已,谁还不是个天道宠儿?无限逃杀:恶女进化论老实修仙,但他们都说我欠了情债穿越魏晋南北朝,之乱世求生记一念沉沦黑月光泄露心声后,所有人都慌了三叔别考了,我爹已经黄袍加身了穿越为妾,白月光竟是我自己神尊大人又跪搓衣板啦心机美人要亲亲!将异族太子勾疯精灵:六王开局不小心无敌了重生靖康年,我朱元璋打造铁血大宋我凭一手好菜称霸星际,火出圈了我弃爱你慌啥?废柴女逆袭仙途再入轮回护我妻