信息抽取

LLM文本小结生成:一种基于内容标签生成文本小结的方法

LLM是当前进行各种文本小结生成的有效工具,例如可以生成新闻小结、电话小结、诊断小结等等。 1. 如何提升LLM生成文本小结的效果 一种最容易想到的就是基于标注的文本小结微调LLM…

LLM标签信息提取(Key-Value)效果衡量:评价指标构建

为了衡量LLM在提取标签信息时的性能,通常需要设计一个指标评价体系来进行衡量。在实际应用过程中可使用精确率,召回率,F1, RMSE进行衡量。 1. LLM提取标签信息(key-v…

FocusValue学习:提升LLM提取结构化标签值的准确性

为了提升LLM提取标签值的准确性和可解释性,通常在对客户和坐席的对话文本进行结构化信息提取时,我们不仅需要推理出相应标签的值,也需要输出这些值在通话中对应的对话文本。 1.标签值与…

LLM结构化标签信息抽取提示词撰写模板:提升信息提取准确率

在使用LLM进行结构化信息提取过程中,提示词的设计非常重要。主要表现在: 好的提升词可以提升LLM结构化信息的提取准确性 提示词的设计往往会影响后期提示词的维护和扩展。 1.结构化…

LLM Self-Consistency: 使用多推理路径提升LLM信息抽取准确性

为了提升LLM在信息抽取中的准确性,除了Self-Verification方法外,Self-Consistency也是一种比较实用和方便的方法。该方法出自文章《Self-Consi…

LLM结构化信息提取问题探讨及其改进 – 以提取营销线索为例

该PPT以博主在实际工作中,使用LLM提取客户与坐席(AI)电话对话文本中可能存在的营销线索为例,讨论了使用LLM提取结构化信息时可能存在的一些问题及改进方法。 本PPT是使用LL…