MedKGGPT:基于知识图谱的医疗大型语言模型设计方法

大型语言模型(Large Language Models,LLM)已经成为现今主流的研究热点,而垂直领域行业大模型则成为落地应用的关键点,以医疗为代表的大型语言模型有着可解释性、可靠性、高安全性等要求。针对这类问题,提出MedKGGPT模型,一个基于ChatGLM的模型,并提出一种面向医疗领域的知识图谱(Knowledge Graphs,KGs)和LLM相结合的框架。框架主要包含两个部分:首先,通过KG三元组中的实体和关系,提出了一种基于KG结构数据的提示工程方法,使得LLM更加具有医学领域的专用知识,提高LLM的可解释性;其次,提出一种利用KG来对齐LLM的方法,将LLM的输出与KG的相关知识进行比较,验证LLM输出结果的一致性和准确性,从而增强了LLM在医疗领域的安全性。实验结果表明,最终生成的MedKGGPT模型能够输出更加具有安全性的结果,说明KG能够有效增强LLM的可解释性,为LLM应用在医疗领域提供了帮助。

计算机网络信息安全及防护策略研究

现代信息技术不断发展,计算机网络让全球化资源得到了有效利用,同时改变了人们日常生活方式,但计算机网络在给人们提供便利的同时,也带来了一定的安全隐患。即使我国已建立了计算机网络信息安全机制,对个人信息进行了安全保护,但面对使用程度之高的计算机,也是有一定的管理难度,在现阶段计算机网络信息安全防护体制尚未完备的情况下,我国依然存在信息网络技术的威胁,对网民的个人稳私造成了安全隐患。本文主要探讨计算机网络信息安全对我国政治、经济和文化的影响,并且针对影响网络安全的因素提出安全防范策略,为后续提高计算机网络信息安全提供理论借鉴。