摘要
本申请公开了一种图谱与大模型端到端融合方法、装置、设备、介质及产品,涉及计算机数据处理与机器学习领域,该方法包括:根据文本属性图谱中各边的离散曲率值计算文本属性图谱中各节点的图结构特征;根据各节点的图结构特征得到各节点的图结构嵌入;将任务提示以及各节点对应的文本信息输入到预训练大语言模型,得到任务提示嵌入以及各节点对应的文本嵌入;根据任务提示嵌入、各节点对应的文本嵌入以及各节点的图结构嵌入构建提示嵌入向量,并对提示嵌入向量以及预训练大语言模型权重矩阵进行迭代优化,得到优化后的提示嵌入向量以及曲率增强大语言模型,本申请可有效捕捉知识图谱中的全局几何特征,并且能够量化节点之间的长程依赖关系。
技术关键词
大语言模型
节点
图谱
融合方法
文本
矩阵
融合装置
多层感知机
处理器
计算机程序产品
序列
计算机设备
模块
可读存储介质
存储器
邻居
网络
关系
系统为您推荐了相关专利信息
链路
Dijkstra算法
矩阵
计算机可执行指令
元素
视频片段检索方法
文本
预训练模型
样本
编码算法
数据集成系统
智能电网
同态哈希函数
节点
电力设备