基于Embedding-FineTuning的检索增强生成改进方法

本发明提出一种基于Embedding‑FineTuning的检索增强生成改进方法，对电力电网的大规模多源异构数据进行预处理和清洗，确保数据的一致性和质量，并基于LumberChunker技术对处理后的文本数据进行动态划分，根据语义转折点划分文本块，生成适合微调训练的文本块；然后，采用T5模型基于文本块进行多轮问答的问答对生成，形成用于微调的问答对数据集；针对电力电网领域的实际应用场景，设计定制化的prompt模板，以引导模型生成过程；在问答对数据集上进行Embedding‑FineTuning微调训练，通过优化模型参数，提升模型在电力电网领域中的嵌入表示性能和准确性。