设计应用

基于句粒度提示的大语言模型时序知识问答方法

作者：李志东，罗琪彬，乔思龙
发布日期：2024-02-29
来源：网络安全与数据治理

引言

业务系统中具有多种不同时间序列的数据信息，将这些数据通过相关性和因果关系相联系形成知识图谱有助于快速深入地掌握时序信息。此外，数据信息在时间维度上的语义表达不同，包括年、月、日等不同粒度，跨时间粒度的语义表达会对问答结果产生影响。由此，时序知识图谱(Temporal Knowledge Graph，TKG)的产生可以对不同的时间序列数据生成一个多层的、多粒度的知识图谱，使得时序之间的关系得以清晰描述。基于知识图谱的问答系统（Question Answering System based on Knowledge Graphs, KGQA）最早被用于提高企业的核心竞争力，由于企业经营过程中沉淀了许多知识但并不能得到很好的利用，KGQA的出现使得知识的完全利用成为了可能。而TKG是在传统的知识图谱上对时间进行延伸，在三元组中加入时间维度，格式为“［头实体 关系 尾实体 时间］”。


作者信息

李志东，罗琪彬，乔思龙

（华北计算技术研究所大数据研发中心，北京100083）


文章下载地址：https://www.chinaaet.com/resource/share/2000005870


weidian.jpg

此内容为AET网站原创，未经授权禁止转载。
时序知识问答 大语言模型 提示学习 自然语言处理

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map