手机浏览器扫描二维码访问
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
这章没有结束,请点击下一页继续阅读!
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(lifecycle
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。
喜欢离语请大家收藏:()离语
归零:云海梦境,山海有灵 带着原神祈愿系统穿越到诡异世界 仙子不想理你 我有个死要钱的系统 除了我,全家都穿越了 快穿:病美人仙君又拿白月光剧本 让你当好圣孙,你养一群女妖? 重回八零,俏媳妇改造废物老公 刚成仙神,子孙求我登基 推理虽然有用但真的很令人讨厌 终于联系上地球,你说不要回答? 回到霍格沃茨的古代巫师 红楼之剑天外来 综漫:从杀手皇后开始 四合院之罪恶克星 斗罗:封号琴魔,这个杀手有点冷 苟在修仙世界当反派 不当舔狗后,校花哭问为什么! 末世:战姬指挥官 我这样进球,会伤害到你吗?
校花的金牌战神简介emspemsp关于校花的金牌战神身为世界顶级杀手的唐天,他现在有一个艰巨的任务,那就是泡校花!从此,整个校园和都市,风起云涌...
极品仙修神仙走都市简介emspemsp极品仙修神仙走都市是神来执笔的经典仙侠修真类作品,极品仙修神仙走都市主要讲述了热血小说,唯有尊王。上可拳打纨绔,下可脚踩流氓。纵横花丛红颜神来执笔最新鼎力大作,年度必看仙侠修真。禁忌书屋...
青砖绿瓦,陌上花开香染衣朱门紫殿,素手摘星霓作裳。如果您喜欢我家娘子猛于虎,别忘记分享给朋友...
一颗被宇宙原力笼罩的星球,一个由昆虫主宰的世界。银河联邦三等兵斑布霍斯在押运重要物质的途中,飞船遭遇空间乱流,不幸失事,重生成为一只小蟑螂,故事从开荒种田开始。如果您喜欢星界蟑螂,别忘记分享给朋友...
纯阳帝尊简介emspemsp关于纯阳帝尊玄元大陆,一代穿越者古阳被第一天才一掌拍的失去意识,晕厥醒来发现自己重生,古阳带着悔恨与教训,开启了新一次的逆天人生。追更haosewencomwoo18vip...
财气天降简介emspemsp财气天降是深夜说书人的经典都市言情类作品,财气天降主要讲述了曾经在社会最底层挣扎,受尽世人白眼,当家族秘密解开,身份大白深夜说书人最新鼎力大作,年度必看都市言情。PO18小说网(mpo18xswcom)...