期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于本地大语言模型和提示工程的材料信息抽取方法研究 被引量:2
1
作者 时宗彬 朱丽雅 乐小虬 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2024年第7期23-31,共9页
【目的】从给定的专题研究论文中识别用于有机材料研发所需的实验材料信息,抽取已有研究中给体-受体体系下有机电池材料实体、类型实例。【方法】利用本地部署的大语言模型和提示工程,将信息抽取任务转化为无需微调的对话式抽取任务。... 【目的】从给定的专题研究论文中识别用于有机材料研发所需的实验材料信息,抽取已有研究中给体-受体体系下有机电池材料实体、类型实例。【方法】利用本地部署的大语言模型和提示工程,将信息抽取任务转化为无需微调的对话式抽取任务。通过在提示模板中添加少量示例并允许大语言模型给出否定回答的方式,识别相应的实例信息。【结果】在没有使用数据集进行微调的情况下,实现了材料实体和类型的抽取,其中实体识别的准确率为0.98,超过微调的方式,材料类型识别的准确率达到0.94。【局限】受本地计算资源的约束,本文降低了大语言模型的参数精度,对于长实体的识别性能偏低。【结论】采用低配本地化部署的基础大语言模型,通过构建合理的提示指令和人机协作模式,可以灵活、高效抽取所需主题下的实验信息。 展开更多
关键词 大语言模型 提示工程 信息抽取 有机电池材料
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部