基于大语言模型的应急救援辅助方法以及计算机设备与流程

本技术涉及计算机，具体而言，涉及一种基于大语言模型的应急救援辅助方法以及计算机设备。

背景技术：

1、目前，基层工作人员在日常办公中，在应对紧急情况时，快速找到准确的资料是关键。然而，大量的文档积累往往使得检索费时费力，影响了应急响应的速度和效果。基层工作人员需要处理大量的日常文书工作文档编写任务繁重，且需保持专业性和准确性。虽然现有的写作辅助工具如模板和自动校正功能可以提供帮助，但在特定公文格式和专业术语处理上，尤其是引用的权威讲话正确性检查支持往往不够，工作人员需要投入大量时间进行内容编辑和校对。

2、为此，在当前的应急救援领域，当发生自然灾害、事故灾难等紧急情况时，救援团队通常依赖于传统的预案和经验来制定应急救援方案。这些预案往往是由专家团队根据历史数据和模拟情况预先制定的，具有一定的普适性。

3、然而，这些预案在面对复杂多变的救援现场时，可能无法迅速适应各种突发情况，导致救援效率受到影响。此外，由于救援团队在紧急情况下对信息的处理和分析能力有限，难以在短时间内生成全面、精准的应急救援方案。

技术实现思路

1、本技术的目的在于，针对上述现有技术中的不足，提供一种基于大语言模型的应急救援辅助方法以及计算机设备，无需人工进行分析，提高生成目标应急救援辅助信息的效率以及准确性。

2、为实现上述目的，本技术实施例采用的技术方案如下：

3、第一方面，本技术一实施例提供了一种基于大语言模型的应急救援辅助方法，所述方法包括：

4、获取目标用户的当前问题文本；

5、对所述当前问题文本进行意图识别，得到所述当前问题文本对应的目标意图类型，以及所述目标意图类型下的目标意图识别信息；

6、根据所述目标意图类型，从多个预训练大语言模型中确定与所述目标意图类型匹配的目标大语言模型；所述多个预训练大语言模型分别为：预先训练的应急救援领域下多个不同模型框架的大语言模型；

7、采用所述目标大语言模型，根据所述目标意图识别信息以及预设应急知识库，生成所述当前问题文本对应的目标应急救援辅助信息。

8、可选地，所述对所述当前问题文本进行意图识别，得到所述当前问题文本对应的目标意图类型，以及所述目标意图类型下的目标意图识别信息，包括：

9、根据所述当前问题文本，以及所述应急救援领域的领域分支列表，生成第一提示词；所述领域分支列表中包括：所述多个应急救援领域下的多个领域分支的信息；

10、采用预设大语言模型，根据所述第一提示词，对所述当前问题文本进行领域识别，以从所述多个领域分支中确定所述当前问题文本匹配的目标领域分支；

11、根据所述目标领域分支下的意图类型列表，以及所述当前问题文本，生成第二提示词；所述意图类型列表包括：多个预设意图类型的信息；

12、采用所述预设大语言模型，根据所述第二提示词，对所述当前问题文本进行意图识别，以从所述多个预设意图类型中确定所述当前问题文本匹配的所述目标意图类型；

13、根据所述当前问题文本，以及所述目标意图类型对应的词槽列表，生成第三提示词；所述词槽列表包括：多个预设词槽的信息；

14、采用所述预设大语言模型，根据所述第三提示词，对所述当前问题文本进行语义识别，得到所述多个预设词槽的实体识别数据作为所述目标意图识别信息。

15、可选地，所述根据所述目标意图类型，从多个预训练大语言模型中确定与所述目标意图类型匹配的目标大语言模型之前，所述方法还包括：

16、对所述预设应急知识库进行知识对提取，得到所述应急救援领域的多个问答知识对；

17、根据所述多个问答知识对，采用预设模型微调模式对多个基础大语言模型进行调参，生成所述多个预训练大语言模型的模型文件；所述多个基础大语言模型分别对应多个不同模型框架；

18、根据所述多个预训练大语言模型的模型文件，分别部署所述多个预训练大语言模型。

19、可选地，所述预设模型微调模式为：本地高效微调模式，所述根据所述多个问答知识对，采用预设模型微调模式对多个基础大语言模型进行训练，以对所述多个预设基础大语言模型进行调参，生成所述多个预训练大语言模型的模型文件，包括：

20、根据所述多个问答知识对，采用所述本地高效微调模式，对所述每个基础大语言模型进行初始调参，得到初始模型文件，并采用预设模型剪枝算法对所述初始模型文件进行剪枝处理；

21、采用所述本地高效微调模式，对剪枝处理后的模型文件进行微调，生成所述每个预设基础大语言模型对应的一个预训练大语言模型的模型文件。

22、可选地，所述预设模型微调模式为：环形本地聚合模式，所述根据所述多个问答知识对，采用预设模型微调模式对多个预设基础大语言模型进行训练，以对所述多个预设基础大语言模型进行调参，生成所述多个预训练大语言模型的模型文件，包括：

23、根据所述多个问答知识对，采用所述环形本地聚合模式，在多个本地节点对所述每个预设基础大语言模型进行调参，得到多个部分模型文件，并对所述多个部分模型文件进行聚合，得到所述每个预设基础大语言模型对应的一个预训练大语言模型的模型文件。

24、可选地，所述方法还包括：

25、在多个预设意图类型的评估维度，对每个预训练大语言模型进行评估，得到所述每个预训练大语言模型在所述多个预设意图类型的评估维度下的评估参数值；

26、所述根据所述目标意图类型，从多个预训练大语言模型中确定与所述目标意图类型匹配的目标大语言模型，包括：

27、根据所述目标意图类型，从所述多个预训练大语言模型中确定所述目标意图对应评估维度下的评估参数值最高的预训练大语言模型作为所述目标大语言模型。

28、可选地，所述对所述预设应急知识库进行知识对提取，得到所述应急救援领域的多个问答知识对，包括：

29、根据所述应急救援领域的信息以及所述预设应急知识库，生成第四提示词；

30、采用预设大语言模型，根据所述第四提示词，对所述预设应急知识库进行知识抽取，得到所述多个问答知识对。

31、可选地，所述获取目标用户的当前问题文本之前，所述方法还包括：

32、根据所述目标用户的历史交互数据，构建所述目标用户的用户画像；

33、根据所述用户画像以及所述历史自然语言文本对应的历史大语言模型，采用预设知识图谱嵌入技术，将多个预设应急问题的结构化语义信息映射至低维向量空间，得到所述多个预设应急问题的目标语义向量；

34、根据所述用户画像和所述多个预设应急问题的目标语义向量，确定针对所述目标用户的至少一个推荐应急问题；

35、展示所述至少一个推荐应急问题；

36、所述获取目标用户的当前问题文本，包括：

37、获取所述目标用户从所述至少一个推荐应急问题中选择的推荐应急问题作为所述当前问题文本。

38、可选地，所述方法还包括：

39、获取所述目标用户针对所述目标应急救援方案的反馈信息；

40、根据所述反馈信息，对所述目标大语言模型进行参数更新。

41、第二方面，本技术另一实施例提供了一种基于大语言模型的应急救援辅助装置，所述装置包括：

42、获取模块，用于获取目标用户的当前问题文本；

43、识别模块，用于对所述当前问题文本进行意图识别，得到所述当前问题文本对应的目标意图类型，以及所述目标意图类型下的目标意图识别信息；

44、确定模块，用于根据所述目标意图类型，从多个预训练大语言模型中确定与所述目标意图类型匹配的目标大语言模型；所述多个预训练大语言模型分别为：预先训练的应急救援领域下多个不同模型框架的大语言模型；

45、生成模块，用英语采用所述目标大语言模型，根据所述目标意图识别信息以及预设应急知识库，生成所述当前问题文本对应的目标应急救援辅助信息。

46、第三方面，本技术另一实施例提供了一种计算机设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述第一方面任一所述基于大语言模型的应急救援辅助方法的步骤。

47、第四方面，本技术另一实施例提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述第一方面任一所述基于大语言模型的应急救援辅助方法的步骤。

48、本技术的有益效果是：

49、本技术提供一种基于大语言模型的应急救援辅助方法以及计算机设备，通过获取目标用户的当前问题文本，对当前问题文本进行意图识别，得到当前问题文本对应的目标意图类型，以及目标意图类型下的目标意图识别信息，根据目标意图类型，从多个预训练大语言模型中确定与目标意图类型匹配的目标大语言模型，采用目标大语言模型，根据目标意图识别信息以及预设应急知识库，生成当前问题文本对应的目标应急救援辅助信息。本技术中的方法可以针对目标用户的当前问题文本确定对应的目标应急救援辅助信息，使得生成的目标应急救援辅助信息与目标用户的需求更加匹配，更具有针对性，无需人工进行分析，提高生成目标应急救援辅助信息的效率以及准确性。