【技术实现步骤摘要】
本专利技术涉及本专利技术涉及电网知识领域及智能问答系统构建方法，尤其是一种基于plchatglm2的电网知识智能问答系统构建方法。
技术介绍
1、随着技术的进步和电网系统的扩张，电网领域的管理和
技术实现思路
日益复杂。为了确保电网的安全和稳定运行，电网运营商和工程师不得不持续地掌握最新的行业知识和技术趋势。这一复杂性的增加对知识获取的需求也带来了巨大挑战。不仅如此，由于电网知识本身的专业性和实时性，导致传统问答系统在处理相关查询时，常面临专业深度不足、知识更新滞后、无法准确捕捉上下文关联、语言处理不精确及响应效率过低等问题。这些问题不仅影响了专业人员的工作效率，更可能威胁到电网的安全稳定运行。
2、更具挑战性的是，现代电网系统不仅包括传统的电力设备和技术，还融合了大量的数字化和通信技术。这使得电网知识更加跨领域，需要涉及到多个学科和专业领域的知识整合。而传统的问答系统，通常只针对特定领域或主题进行优化，很难满足如此宽泛和多变的查询需求。
3、因此，设计并实现一个专门针对电网知识的智能问答系统，能够快速、准确地回应专业查询，不仅能够提高行业人员的工作效率，更能确保电网的稳定和安全。本专利技术所提出的plchatglm2算法正是在这一背景下应运而生，它综合利用了最新的人工智能技术，结合电网领域的专业知识，为用户提供了一种全新的、高效的知识获取方式。所提方法实现了结合电网领域知识的智能化信息交互，可以根据用户需求和咨询，提供更加精确且专业的信息答复，可以解决传统问答系统的相关不足，并提高chatglm2在电网知识问答
技术实现思路
1、本专利技术的目的在于填补电网领域智能化信息交互平台的不足，而提出一种基于plchatglm2的电网知识智能问答系统构建方法。
2、本专利技术的目的可以通过以下技术方案实现：包括如下步骤：
3、s1：从各种权威来源、电网管理组织、技术论坛等渠道获取电网垂直领域的相关文件，包括但不限于技术白皮书、操作手册、研究报告和实时数据分析，构建电网领域知识数据库data1；
4、s2：基于步骤s1中电网领域知识库文本信息，以一问一答形式构建基于电网领域知识的问答指令数据集data2；
5、s3：基于步骤s1中的电网垂直领域数据库data1，结合langchain框架构建基于langchain-chatglm2的原始电网知识问答模型model1；
6、s4：基于步骤s2中的电网知识指令数据集data2，利用p-tuning-v2微调算法构建电网知识问答模型model2，获取该模型相关权重文件text1；
7、s5：将步骤s4中微调模型model2获得的权重文件text1替换步骤s3中问答模型model1的相应权重文件text2，构建电网领域专用的微调问答模型model3；
8、s6：基于步骤s5中问答模型model3，通过相似question和相似context增强对模型model3进行优化，获得优化电网知识库问答模型model4；
9、s7：构建基于电网垂直领域知识库的测评文件，测试步骤s6中问答模型model4的准确性与高效性。
10、优选的，所述构建电网领域知识数据库data1，具体为：
11、s11：加载各类电网领域相关文件，获取文本信息并进行文本切分；
12、s12：利用nlp特征抽取技术将步骤s11中切分文本向量化，并持久性保存至数据库，获得电网领域知识数据库data1。
13、优选的，构建基于langchain-chatglm2的原始电网知识问答模型model1，具体包括：
14、s31：基于langchain利用步骤s12中文本向量化算法对用电客户问题question进行向量化；
15、s32：通过向量搜索从步骤s1数据库data1中匹配与question相关的信息块context；
16、s33：结合初始问题question和相关信息context，基于chatglm2构建原始电网知识问答模型model1，提供答案answer或采取行动。
17、优选的，步骤s4包括：
18、s41：结合步骤s2中准备的指令数据集data2，利用p-tuning-v2微调算法对步骤s3中chatglm2进行参数微调，减少参数量，获得轻量化模型model2；
19、s42：将步骤s41微调的模型model2中捕捉到电网知识领域的特定特征和模式的权重参数保存为文件text1。
20、优选的，步骤s6包括：
21、s61：基于步骤s31中用电客户问题question，构建相似问题数据集data3对model3进行相似问题增强；
22、s62：基于步骤s32中数据库向量搜索存在相似context干扰，对训练数据做相似context增强优化model3，获得优化电网知识库问答模型model4。
23、优选的，步骤s7包括：
24、s71：结合本地知识库数据集data1和训练指令数据集data2，构建符合电网知识问答的测试样本数据集data3；
25、s72：从步骤s71数据集data3中选取相同的测试样本同时对原始问答模型model1、微调问答模型model3、优化电网知识库问答模型model4进行结果测试，对比获得所提方法在电网领域知识问答的优越性。
26、与现有技术相比，本专利技术的有益效果是：
27、1、本专利技术采用了p-tuning-v2算法进行微调，使得本系统具有高度的自适应性，随着更多的电网数据和用户互动，系统的回答将变得更加精准。
28、2、基于langchain和chatglm2模型的结构，系统能够实时解析并回应用电客户的询问，大大提高了电网用户的交互体验。
29、3、本专利技术基于先进的问答系统模型技术将其进行优化，确保了模型的轻量和高效运行，满足实时查询的需求，提高电网运营和管理人员决策效率。
30、4、本专利技术基于大语言模型构建问答系统，不仅填补了传统问答系统在电网知识领域的空白，更提供了一个全新、高效和准确的智能工具，有助于电网领域的研究、管理和决策。
本文档来自技高网...【技术保护点】
1.一种基于PLChatGLM2的电网知识智能问答系统构建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于PLChatGLM2的电网知识智能问答系统构建方法，其特征在于，构建知识数据库Data1的具体过程为：
3.根据权利要求2所述的一种基于PLChatGLM2的电网知识智能问答系统构建方法，其特征在于，在步骤S12中，利用text2vec-large-chinese模型将切分好的文本转化为数值向量，并存储到向量数据库Vector Stores中。
4.根据权利要求1所述的一种基于PLChatGLM2的电网知识智能问答系统构建方法，其特征在于，步骤S6包括：
5.根据权利要求1所述的一种基于PLChatGLM2的电网知识智能问答系统构建方法，其特征在于，步骤S7中测评文件对三种问答模型进行测试，得到微调和优化前后问答模型的输出效果。
6.一种基于电网垂直领域的智能问答系统，其特征在于，基于权利要求1-4任意一种基于PLChatGLM2算法的电网知识智能问答系统构建方法实现。
【技术特征摘要】
1.一种基于plchatglm2的电网知识智能问答系统构建方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于plchatglm2的电网知识智能问答系统构建方法，其特征在于，构建知识数据库data1的具体过程为：
3.根据权利要求2所述的一种基于plchatglm2的电网知识智能问答系统构建方法，其特征在于，在步骤s12中，利用text2vec-large-chinese模型将切分好的文本转化为数值向量，并存储到向量数据库vector st...
【专利技术属性】
技术研发人员：左睿，韩光，唐洋，赵代弟，夏俊，金冬，孙训超，彭田，陈刚，吴筱，祝新明，周钢，夏玉晗，文世玲，黄新梅，陈琛，
申请(专利权)人：国网安徽省电力有限公司庐江县供电公司，
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。