【技术实现步骤摘要】
本专利技术公开一种系统，涉及自然语言处理，具体地说是一种基于大模型的零售行业问答系统。
技术介绍
1、当前问答系统的技术和系统流程通常涉及自然语言处理(nlp)、机器学习和信息检索等领域的技术。
2、针对零售行业的问答，通常难点较多，例如①零售业涉及多种产品和服务，不同用户可能会有各种各样的问题和需求，这增加了问答系统的复杂性②零售业数据的多样性，包括商品信息、价格、库存、促销等，需要及时更新和同步③用户可以使用多种语言提问，这要求问答系统具备多语言处理能力。④零售领域的用户查询可能会非常复杂，涉及多个条件和参数，如价格范围、品牌、规格等，产品和价格在零售业常常会变动，问答系统需要能够及时更新这些信息以提供准确的答案。⑤用户可能会有实时性的需求，例如了解当前库存情况或者正在进行的促销活动。⑥用户可能期望个性化的建议和推荐，这需要更具备推荐系统的能力。但目前还没有问答系统能够较完善地针对零售行业提供问答服务。
技术实现思路
1、本专利技术针对现有技术的问题，提供一种基于大模型的零售行业问答系统，发挥大模型的优势，提升对话系统的智能性和用户体验感，解决现有技术难题。
2、本专利技术提出的具体方案是：
3、本专利技术提供一种基于大模型的零售行业问答结果生成方法，包括：
4、步骤1：收集数据，并预处理所述数据：收集零售行业中商品数据和涉及商品相关的数据，根据商品数据和涉及商品相关的数据制作excel文件的表头，将商品数据和涉及商品相关的数据制
5、步骤2：将csv文件存储至mysql数据库的相关数据表中，同时对csv文件进行单行分割，对分割后文本进行向量化，然后将向量化的文本存储至milvus向量数据库中，
6、步骤3：采集零售行业问题，利用大模型对将零售行业问题处理生成查询sql语句，同时将零售行业问题进行文本向量化处理，
7、步骤4：根据查询sql语句在mysql数据库中查询结果，如查询到结果则按需求整理结果返回并展示结果，如未查询到结果则根据文本向量化后的零售行业问题在milvus向量数据库中检索相似文本，将相似文本进行排序，选择最相关的相似文本提供并展示。
8、进一步，所述的一种基于大模型的零售行业问答结果生成方法中步骤1中根据商品数据和涉及商品相关的数据制作excel文件的表头，包括：根据商品数据中商品编码、商品名称、包装规格、销售单位、零售单价和促销单价，以及商品相关的数据中活动主题、退换货政策和图片链接制作excel文件的表头；
9、或者根据商品相关的数据中活动主题、活动时间、奖项、奖品和奖品数量制作表头。
10、进一步，所述的一种基于大模型的零售行业问答结果生成方法中步骤2中利用langchain框架中的csvloader方法对csv文件进行单行分割，利用m3e模型对分割后文本进行向量化。
11、进一步，所述的一种基于大模型的零售行业问答结果生成方法中步骤3中包括：
12、利用大模型对将零售行业问题处理生成查询sql语句时，编写prompt模板，根据prompt模板将零售行业问题处理生成查询sql语句，
13、同时将零售行业问题利用m3e模型进行文本向量化处理。
14、进一步，所述的一种基于大模型的零售行业问答结果生成方法中步骤4中编写prompt模板，利用prompt模板提供最相关的相似文本作为答案，并调用大模型以流式的方式接收答案，并进行展示。
15、本专利技术还提供一种基于大模型的零售行业问答系统，包括收集及处理模块、加载存储模块、问题处理模块和查询展示模块，
16、收集及处理模块收集数据，并预处理所述数据：收集零售行业中商品数据和涉及商品相关的数据，根据商品数据和涉及商品相关的数据制作excel文件的表头，将商品数据和涉及商品相关的数据制作成excel文件，将所述excel文件转换为csv文件，
17、加载存储模块将csv文件存储至mysql数据库的相关数据表中，同时对csv文件进行单行分割，对分割后文本进行向量化，然后将向量化的文本存储至milvus向量数据库中，
18、问题处理模块采集零售行业问题，利用大模型对将零售行业问题处理生成查询sql语句，同时将零售行业问题进行文本向量化处理，
19、查询展示模块根据查询sql语句在mysql数据库中查询结果，如查询到结果则按需求整理结果返回并展示结果，如未查询到结果则根据文本向量化后的零售行业问题在milvus向量数据库中检索相似文本，将相似文本进行排序，选择最相关的相似文本提供并展示。
20、进一步，所述的一种基于大模型的零售行业问答系统中收集及处理模块根据商品数据和涉及商品相关的数据制作excel文件的表头，包括：根据商品数据中商品编码、商品名称、包装规格、销售单位、零售单价和促销单价，以及商品相关的数据中活动主题、退换货政策和图片链接制作excel文件的表头；
21、或者根据商品相关的数据中活动主题、活动时间、奖项、奖品和奖品数量制作表头。
22、进一步，所述的一种基于大模型的零售行业问答系统中加载存储模块利用langchain框架中的csvloader方法对csv文件进行单行分割，利用m3e模型对分割后文本进行向量化。
23、进一步，所述的一种基于大模型的零售行业问答系统中问题处理模块利用大模型对将零售行业问题处理生成查询sql语句时，编写prompt模板，根据prompt模板将零售行业问题处理生成查询sql语句，
24、同时将零售行业问题利用m3e模型进行文本向量化处理。
25、进一步，所述的一种基于大模型的零售行业问答系统中查询展示模块编写prompt模板，利用prompt模板提供最相关的相似文本作为答案，并调用大模型以流式的方式接收答案，并进行展示。
26、本专利技术的有益之处是：
27、本专利技术提供一种基于大模型的零售行业问答结果生成方法，可以有效应对零售行业复杂的用户问题、多样的数据信息以及实时性更新等多个难点，能够保证数据的真实性，又发挥了大模型的优势，提升对话系统的智能性以及用户体验感。
本文档来自技高网...【技术保护点】
1.一种基于大模型的零售行业问答结果生成方法，其特征是包括：
2.根据权利要求1所述的一种基于大模型的零售行业问答结果生成方法，其特征是步骤1中根据商品数据和涉及商品相关的数据制作excel文件的表头，包括：根据商品数据中商品编码、商品名称、包装规格、销售单位、零售单价和促销单价，以及商品相关的数据中活动主题、退换货政策和图片链接制作excel文件的表头；
3.根据权利要求1所述的一种基于大模型的零售行业问答结果生成方法，其特征是步骤2中利用langchain框架中的CSVLoader方法对csv文件进行单行分割，利用m3e模型对分割后文本进行向量化。
4.根据权利要求1所述的一种基于大模型的零售行业问答结果生成方法，其特征是步骤3中包括：
5.根据权利要求1所述的一种基于大模型的零售行业问答结果生成方法，其特征是步骤4中编写prompt模板，利用prompt模板提供最相关的相似文本作为答案，并调用大模型以流式的方式接收答案，并进行展示。
6.一种基于大模型的零售行业问答系统，其特征是包括收集及处理模块、加载存储模块、问
7.根据权利要求6所述的一种基于大模型的零售行业问答系统，其特征是收集及处理模块根据商品数据和涉及商品相关的数据制作excel文件的表头，包括：根据商品数据中商品编码、商品名称、包装规格、销售单位、零售单价和促销单价，以及商品相关的数据中活动主题、退换货政策和图片链接制作excel文件的表头；
8.根据权利要求6所述的一种基于大模型的零售行业问答系统，其特征是加载存储模块利用langchain框架中的CSVLoader方法对csv文件进行单行分割，利用m3e模型对分割后文本进行向量化。
9.根据权利要求6所述的一种基于大模型的零售行业问答系统，其特征是问题处理模块利用大模型对将零售行业问题处理生成查询sql语句时，编写prompt模板，根据prompt模板将零售行业问题处理生成查询sql语句，
10.根据权利要求6所述的一种基于大模型的零售行业问答系统，其特征是查询展示模块编写prompt模板，利用prompt模板提供最相关的相似文本作为答案，并调用大模型以流式的方式接收答案，并进行展示。
...【技术特征摘要】
1.一种基于大模型的零售行业问答结果生成方法，其特征是包括：
2.根据权利要求1所述的一种基于大模型的零售行业问答结果生成方法，其特征是步骤1中根据商品数据和涉及商品相关的数据制作excel文件的表头，包括：根据商品数据中商品编码、商品名称、包装规格、销售单位、零售单价和促销单价，以及商品相关的数据中活动主题、退换货政策和图片链接制作excel文件的表头；
3.根据权利要求1所述的一种基于大模型的零售行业问答结果生成方法，其特征是步骤2中利用langchain框架中的csvloader方法对csv文件进行单行分割，利用m3e模型对分割后文本进行向量化。
4.根据权利要求1所述的一种基于大模型的零售行业问答结果生成方法，其特征是步骤3中包括：
5.根据权利要求1所述的一种基于大模型的零售行业问答结果生成方法，其特征是步骤4中编写prompt模板，利用prompt模板提供最相关的相似文本作为答案，并调用大模型以流式的方式接收答案，并进行展示。
6.一种基于大模型的零售行业问答系统，其特征是包括收集及处理模块、加载存储...
【专利技术属性】
技术研发人员：李志芸，冯落落，张峻铭，尹青山，
申请(专利权)人：山东新一代信息产业技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。