基于LLaMA Factory大模型微调的文本实体抽取方法

本发明公开了一种基于LLaMA Factory大模型微调的文本实体抽取方法，包括以下步骤：步骤1、通过对开源数据进行目标抽取，生成大语言模型的训练数据集；步骤2、通过LLaMA Factory工具完成对开源大模型的微调：步骤2‑1、准备训练数据：将训练数据集和开源数据集放入data目录下；步骤2‑2、进入LLaMA Factory微调页面；步骤2‑3、设置微调训练的具体参数；步骤2‑4、微调实时监控与调整；步骤2‑5、训练完成与模型导出：利用训练后的模型实现目标抽取。本发明使用LLaMA Factory微调工具，可以快速简洁地实现对微调参数的设置，同时可以观察微调过程的参数变化，可以及时针对微调过程的变动做出相应的调整。微调后的模型可以大幅提高特定领域的抽取识别的准确率，提高了性能。