一種基于混合專家模型的多模態(tài)工單數(shù)據(jù)智能處理方法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>4177 K
標(biāo)簽： 智能工單系統(tǒng) 多模態(tài)數(shù)據(jù)處理 大語言模型
所需積分：0分積分不夠怎么辦？
文檔介紹：智能工單系統(tǒng)是企業(yè)數(shù)字化轉(zhuǎn)型的核心支撐平臺。當(dāng)前，智能工單系統(tǒng)面臨多源異構(gòu)數(shù)據(jù)的跨模態(tài)冗余及語義沖突問題，傳統(tǒng)基于單模態(tài)處理架構(gòu)的大語言模型（Large Language Model，LLM）存在關(guān)鍵信息漏檢率高、數(shù)據(jù)清洗效果差的缺陷，嚴(yán)重制約了工單系統(tǒng)智能化發(fā)展。針對該問題，混合專家模型（Mixture of Experts，MoE）可通過動態(tài)路由機(jī)制自適應(yīng)分配多模態(tài)數(shù)據(jù)至特定專家網(wǎng)絡(luò)，在提升跨模態(tài)特征融合精度的同時顯著優(yōu)化計算效率?；诖耍岢鲆环N基于混合專家模型的多模態(tài)工單數(shù)據(jù)智能處理方法。首先基于DeepSeekMoE架構(gòu)設(shè)計了一種語義分析模型，以實現(xiàn)跨模態(tài)數(shù)據(jù)的特征解耦與關(guān)鍵內(nèi)容提取。其次提出基于Thinker-Talker的多模態(tài)特征融合架構(gòu)，有效提升冗余數(shù)據(jù)利用率與語義一致性。最后設(shè)計非結(jié)構(gòu)化數(shù)據(jù)清洗與結(jié)構(gòu)化表單生成算法，完成原始數(shù)據(jù)的降噪清洗與語義增強(qiáng)，輸出符合規(guī)范的結(jié)構(gòu)化工單。消融實驗表明，該方法在私有化數(shù)據(jù)集上的信息提取精度達(dá)92.7%，較傳統(tǒng)工單處理方式的標(biāo)準(zhǔn)符合度提升36.2%，為智能工單系統(tǒng)多模態(tài)數(shù)據(jù)處理提供了可擴(kuò)展的技術(shù)范式。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。