基于神经网络预训练大模型的旁路定向微调方法和系统

本申请公开了一种基于神经网络预训练大模型的旁路定向微调方法和系统，涉及自然语言处理技术领域，该方法包括：从原始问答数据集中剔除情感置信度不满足情绪阈值的数据得到新的问答数据集，并将其划分训练集和测试集；采用训练集在预训练大模型的旁路进行微调，同时约束模型的工程性能与情感倾向；迭代更新模型权重参数，当工程性能指标与情感倾向指标同时达到设定阈值时，结束训练，得到最终模型；选择不同的情绪阈值重复上述步骤，得到多个最终模型。本申请通过在预训练大模型的旁路进行高效微调，同时约束模型的工程性能与情感倾向，使得大模型的输出在满足一般性工程性能的基础上，能够倾向于指定的情绪，提高了用户的体验感。