买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中电万维信息技术有限责任公司

摘要：本申请涉及信息处理技术领域，特别是一种大语言模型和小语言模型协同的民生诉求事件分拨方法。大语言模型和小语言模型协同，充分利用大模型准确度高，小模型速度快的特点，实现民生诉求事件的快速分拨，使用大语言模型的过程中并非完全使用大语言模型，而是通过小语言模型的语义检索模型粗推荐责任部门，通过大语言模型和小语言模型结合的方式，充分利用大语言模型的推理判断能力，同时利用小语言模型的高效率问题，实现高效、准确的事件分拨方法。

主权项：1.一种大语言模型和小语言模型协同的民生诉求事件分拨方法，其特征在于包括如下步骤：S1.任务文本准备待处理民生诉求事件中提取对应诉求的责任部门，诉求事件对应生成新的诉求工单和历史工单，民生诉求事件工单需对应的责任部门建立关系；S2.责任部门职责简述责任部门使用大语言模型提取职责简述和职责解释，大语言模型选用开源通用大语言模型，如阿里Qwen系列模型或谷歌Gemma系列模型，也即通过prompt指令将所有责任部门名称进行职责解释，通过大语言模型提取方式，从而为每个责任部门名称形成职责简述，该职责简述通常包含该对应部门要处理解决的诉求，对于所有责任部门形成职责简述后，包含了民生诉求相关的事件，将责任部门职责简述通过语义向量化模型text2vec-base-chinese-paraphrase向量化，向量化矩阵包含了责任部门职责的语义信息，将民生诉求事件中民生诉求内容向量化，针对民生诉求的问题和责任部门职责简述，语义匹配责任部门；S3.历史工单向量化保存历史工单首先删除工单文字内容较短的工单，即20字以内工单全部删除，建立已处理工单库，通过小语言模型text2vec-base-chinese-paraphrase将已处理工单库全部向量化表示，工单总量为N，每条工单用768维度向量进行表示，从而形成（N，768）维的数组，每个工单的向量和对应的责任部门建立关系；S4.用户提交诉求工单处理用户提交事件任一工单先通过小语言模型text2vec-base-chinese-paraphrase向量化处理，任一工单通过语义相似度的Faiss检索模型搜索相似度，通过faiss搜索引擎在（N，768）搜索相似度高的top-k个向量并取出相似值，即相似度数值排序高的k个向量，并设置判断使用大模型的阈值判断条件记为Value_con，Value_con预设数值，当任一工单最高相似度低于Value_con预设数值，选择大语言模型处理，当k个向量中任一个最高相似度高于Value_con预设数值，则将跟用户提交的事件工单最相似历史工单对应的责任部门取出来，作为当前用户提交事件工单的责任部门，推荐给用户，即完成一次诉求事件工单分拨处理。

全文数据：

权利要求：

百度查询： 中电万维信息技术有限责任公司 大语言模型和小语言模型协同的民生诉求事件分拨方法