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：杭州智通福科技有限公司

摘要：本发明公开的一种微调语料生成方法、系统和存储介质，将图数据库产品手册所中的各GQL代码块所在文本段落作为种子文本，构建包含各种子文本中GQL语句、GQL语句对应的文本解释、和位置元信息的第一三元组数据集，对所述第一三元组数据集中的GQL语句进行正确性校验后按目标语言模型预设的格式进行序列化形成第一微调数据集，最后在产品手册版本更新后，对比位置元信息识别发生变更的文本段落，从第一微调数据集中删除对应更改文本段落的部分三元组，并对变更的文本段落进行解析获取修改的三元组更新数据进行正确性校验，最终形成新增三元组数据并补入第一微调数据集中形成作为第二微调数据集，以完成GQL微调语料的自动生成。

主权项：1.一种微调语料生成方法，用于通过图数据库产品手册生成图查询语言GQL的微调语料，其特征在于，包括如下步骤：S1、将图数据库产品手册转换为预设格式的手册文档后进行解析，获取手册文档中的各GQL代码块所在文本段落作为种子文本，提取各种子文本中的GQL语句、GQL语句对应的文本解释、和位置元信息构成第一三元组数据集，所述位置元信息为种子文本在手册文档中的文本位置信息；提取种子文本中与GQL代码块相互邻近的包含有自然语言解释的上下文辅助文本作为获取GQL语句对应的文本解释的辅助信息；其中提取各种子文本中的GQL语句对应的文本解释具体包括：将GQL代码、对应的位置元信息和上下文辅助文本拼装成提示文本后，多次调用第一语言模型来获取针对该提示文本回复的多个文本解释；对于每次调用返回的文本解释进行文本嵌入，计算所有返回文本的嵌入向量的平均值，选取与平均嵌入向量最接近的嵌入向量及其对应的文本解释作为所述GQL代码的对应文本解释；S2、对所述第一三元组数据集中的GQL语句进行正确性校验后形成第二三元组数据集，所述正确性校验被配置为剔除三元组数据集中不能执行的错误GQL语句和对应的文本解释与位置元信息，将所述第二三元组数据集按目标语言模型预设的格式进行序列化后形成第一微调数据集；S3、在监测到图数据库产品手册进行了版本更新后，对更新版本与作为第一微调数据集数据来源的基础版本的位置元信息进行对比，识别发生变更的文本段落；从第一微调数据集中删除对应更改文本段落的部分三元组，并对变更的文本段落进行解析并获取修改的三元组更新数据，对所述三元组更新数据中的GQL语句进行正确性校验后形成新增三元组数据，将所述新增三元组数据补入第一微调数据集中形成作为更新微调语料的第二微调数据集；若更新版本中删除了作为第一微调数据集数据来源的基础版本中的部分GQL语句，则获取更新版本的手册文档中的各GQL代码块所在文本段落作为种子文本，提取各种子文本中的GQL语句、GQL语句对应的文本解释、和位置元信息构成第三三元组数据集；获取删除的GQL语句对应的三元组数据并新增错误语法标注形成废弃三元组数据；对所述第三三元组数据集中的GQL语句进行正确性校验后形成第四三元组数据集，在第四三元组数据集中添加废弃三元组数据后按目标语言模型预设的格式进行序列化后形成第二微调数据集。

全文数据：

权利要求：

百度查询： 杭州智通福科技有限公司 一种微调语料生成方法、系统和存储介质