本技術(shù)涉及自然語(yǔ)言處理，尤其涉及一種基于微調(diào)模型的工單摘要聚類方法、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著社會(huì)的不斷進(jìn)步和信息化水平的持續(xù)提升，政務(wù)熱線已經(jīng)成為政府與公眾溝通的關(guān)鍵紐帶。這不僅促進(jìn)了雙方的互動(dòng)，但也帶來(lái)了大量的工單處理任務(wù)，這些工單中蘊(yùn)含著豐富的實(shí)體信息和事件描述。有效處理工單對(duì)政府而言至關(guān)重要，通過(guò)對(duì)這些工單信息的深入分析，政府能夠迅速掌握民眾普遍關(guān)心的問(wèn)題和面臨的挑戰(zhàn)，從而為政策的制定、優(yōu)化和調(diào)整提供有力的數(shù)據(jù)支持和決策參考。

2、在相關(guān)技術(shù)中，政務(wù)熱線業(yè)務(wù)的訴求工單主要依賴于人工處理，即當(dāng)工作人員接到市民的訴求工單后，會(huì)進(jìn)行初步的審核和分類，在處理過(guò)程中，可能會(huì)遇到內(nèi)容相似或針對(duì)同一問(wèn)題的多個(gè)訴求工單，為了提升訴求工單的處理效率，工作人員會(huì)手動(dòng)將相似訴求工單進(jìn)行關(guān)聯(lián)聚類，以便于集中管理和響應(yīng)相似訴求工單。

3、然而，采用上述的方式，當(dāng)訴求工單的數(shù)量激增時(shí)，人工處理無(wú)法滿足大規(guī)模訴求工單的高效處理需求，且通過(guò)人工關(guān)聯(lián)聚類相似訴求工單時(shí)，由于工作量大且操作復(fù)雜，容易出現(xiàn)遺漏或錯(cuò)誤，從而可能導(dǎo)致相似訴求工單的關(guān)聯(lián)聚類結(jié)果不準(zhǔn)確，進(jìn)而導(dǎo)致相關(guān)技術(shù)中因人工處理的局限性，導(dǎo)致相似訴求工單關(guān)聯(lián)聚類的準(zhǔn)確率較低。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種基于微調(diào)模型的工單摘要聚類方法、電子設(shè)備及存儲(chǔ)介質(zhì)，用于提升相似訴求工單關(guān)聯(lián)聚類的準(zhǔn)確率。

2、第一方面，本技術(shù)提供了一種基于微調(diào)模型的工單摘要聚類方法，應(yīng)用于上述電子設(shè)備，該方法包括：在得到微調(diào)語(yǔ)言模型的情況下，將目標(biāo)工單信息輸入微調(diào)語(yǔ)言模型中；獲取微調(diào)語(yǔ)言模型輸出的n個(gè)目標(biāo)工單摘要，其中，n個(gè)目標(biāo)工單摘要為微調(diào)語(yǔ)言模型根據(jù)目標(biāo)工單信息所生成的；利用預(yù)設(shè)編碼方式對(duì)n個(gè)目標(biāo)工單摘要進(jìn)行編碼，以得到k組向量編碼表示，其中，n為大于或等于1的正整數(shù)，k小于或等于n的正整數(shù)；將k組向量編碼表示中包括的每組向量編碼表示確定為一個(gè)節(jié)點(diǎn)，以得到k個(gè)節(jié)點(diǎn)；根據(jù)k個(gè)節(jié)點(diǎn)構(gòu)建目標(biāo)網(wǎng)絡(luò)圖，其中，目標(biāo)網(wǎng)絡(luò)圖中包括k個(gè)節(jié)點(diǎn)和k個(gè)節(jié)點(diǎn)之間的連接線，連接線指示k個(gè)節(jié)點(diǎn)之間的相似度；根據(jù)目標(biāo)網(wǎng)絡(luò)圖對(duì)k個(gè)節(jié)點(diǎn)執(zhí)行摘要聚類操作。

3、通過(guò)采用上述技術(shù)方案，通過(guò)微調(diào)語(yǔ)言模型自動(dòng)接收和處理目標(biāo)工單信息，減少了人工輸入的需求，提升了目標(biāo)工單信息的處理速度和效率。利用微調(diào)語(yǔ)言模型生成n個(gè)目標(biāo)工單摘要，可以快速地提煉目標(biāo)工單信息的核心內(nèi)容，便于后續(xù)分析和處理。將n個(gè)目標(biāo)工單摘要轉(zhuǎn)換為k組向量編碼，實(shí)現(xiàn)了文本信息(即n個(gè)目標(biāo)工單摘要)的數(shù)值化，便于進(jìn)一步分析和計(jì)算。將每組向量編碼表示作為一個(gè)節(jié)點(diǎn)，構(gòu)建起網(wǎng)絡(luò)圖的基礎(chǔ)結(jié)構(gòu)，為后續(xù)的相似度分析和聚類操作打下基礎(chǔ)。通過(guò)目標(biāo)網(wǎng)絡(luò)圖直觀展示各節(jié)點(diǎn)(即k個(gè)節(jié)點(diǎn))之間的相似度，提供了一個(gè)可視化的分析工具。最后自動(dòng)對(duì)k個(gè)節(jié)點(diǎn)執(zhí)行摘要聚類操作，可以進(jìn)一步地提升工單管理的準(zhǔn)確性和響應(yīng)效率。采用本技術(shù)的方法，通過(guò)微調(diào)語(yǔ)言模型自動(dòng)處理工單信息并生成工單摘要，然后通過(guò)編碼轉(zhuǎn)換為向量形式，構(gòu)建網(wǎng)絡(luò)圖以可視化工單間的相似度，最終通過(guò)聚類分析實(shí)現(xiàn)了工單的高效、準(zhǔn)確分類，進(jìn)而解決了相關(guān)技術(shù)中因人工處理的局限性，導(dǎo)致相似訴求工單關(guān)聯(lián)聚類的準(zhǔn)確率較低的技術(shù)問(wèn)題，達(dá)到了提升相似訴求工單關(guān)聯(lián)聚類的準(zhǔn)確率的技術(shù)效果。

4、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，在得到微調(diào)語(yǔ)言模型的情況下，將目標(biāo)工單信息輸入微調(diào)語(yǔ)言模型中，具體包括：在確定原始語(yǔ)言模型的基礎(chǔ)參數(shù)已凍結(jié)的情況下，在原始語(yǔ)言模型中增加旁路網(wǎng)絡(luò)層，其中，原始語(yǔ)言模型為預(yù)先訓(xùn)練好的用于生成摘要的；在確定原始語(yǔ)言模型中已增加旁路網(wǎng)絡(luò)層的情況下，將預(yù)設(shè)工單摘要數(shù)據(jù)集輸入旁路網(wǎng)絡(luò)層中；根據(jù)旁路網(wǎng)絡(luò)層和預(yù)設(shè)工單摘要數(shù)據(jù)集得到微調(diào)語(yǔ)言模型；將目標(biāo)工單信息輸入微調(diào)語(yǔ)言模型中。

5、通過(guò)采用上述技術(shù)方案，通過(guò)在預(yù)先訓(xùn)練好的原始語(yǔ)言模型中增加旁路網(wǎng)絡(luò)層，能夠在不改變?cè)寄Ｐ突A(chǔ)參數(shù)的前提下，增強(qiáng)原始語(yǔ)言模型的靈活性和適應(yīng)性，為后續(xù)工單摘要生成提供更為精準(zhǔn)和高效的處理模型。通過(guò)將預(yù)設(shè)工單摘要數(shù)據(jù)集輸入旁路網(wǎng)絡(luò)層，可以對(duì)旁路網(wǎng)絡(luò)層進(jìn)行針對(duì)性地訓(xùn)練和優(yōu)化，使其更好地適應(yīng)工單摘要生成任務(wù)，從而提升工單摘要的生成質(zhì)量和生成效率?；谂月肪W(wǎng)絡(luò)層和預(yù)設(shè)工單摘要數(shù)據(jù)集得到的微調(diào)語(yǔ)言模型，能夠更準(zhǔn)確地捕捉目標(biāo)工單信息的核心要點(diǎn)，并生成高質(zhì)量的工單摘要。通過(guò)將目標(biāo)工單信息輸入微調(diào)語(yǔ)言模型中，可以快速、準(zhǔn)確地獲取目標(biāo)工單的摘要，為后續(xù)的分析和決策提供了有力支持。綜上所述，通過(guò)在原始語(yǔ)言模型中增加旁路網(wǎng)絡(luò)層，并利用預(yù)設(shè)工單摘要數(shù)據(jù)集進(jìn)行微調(diào)，得到了一個(gè)針對(duì)工單摘要生成任務(wù)優(yōu)化的微調(diào)語(yǔ)言模型，為后續(xù)的分析和決策提供了高效、準(zhǔn)確的工具。

6、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，根據(jù)旁路網(wǎng)絡(luò)層和預(yù)設(shè)工單摘要數(shù)據(jù)集得到微調(diào)語(yǔ)言模型，具體包括：根據(jù)旁路網(wǎng)絡(luò)層的初始適應(yīng)參數(shù)和預(yù)設(shè)工單摘要數(shù)據(jù)集模擬基礎(chǔ)參數(shù)的內(nèi)在秩，其中，內(nèi)在秩指示基礎(chǔ)參數(shù)的復(fù)雜度；根據(jù)內(nèi)在秩和預(yù)設(shè)工單摘要數(shù)據(jù)集對(duì)初始適應(yīng)參數(shù)執(zhí)行目標(biāo)訓(xùn)練，以得到更新適應(yīng)參數(shù)，其中，更新適應(yīng)參數(shù)為根據(jù)內(nèi)在秩和預(yù)設(shè)工單摘要數(shù)據(jù)集對(duì)初始適應(yīng)參數(shù)執(zhí)行目標(biāo)訓(xùn)練后所得到的；在得到更新適應(yīng)參數(shù)的情況下，將更新適應(yīng)參數(shù)合并至已增加旁路網(wǎng)絡(luò)的原始語(yǔ)言模型的解凍后的基礎(chǔ)參數(shù)中，以得到微調(diào)語(yǔ)言模型。

7、通過(guò)采用上述技術(shù)方案，通過(guò)模擬原始語(yǔ)言模型的基礎(chǔ)參數(shù)內(nèi)在秩，可以更準(zhǔn)確地評(píng)估基礎(chǔ)參數(shù)的復(fù)雜度，為后續(xù)的目標(biāo)訓(xùn)練提供更為精細(xì)化的指導(dǎo)，確保訓(xùn)練過(guò)程更加高效和精準(zhǔn)。通過(guò)結(jié)合內(nèi)在秩和預(yù)設(shè)工單摘要數(shù)據(jù)集進(jìn)行目標(biāo)訓(xùn)練，可以實(shí)現(xiàn)對(duì)初始適應(yīng)參數(shù)的優(yōu)化和更新，得到更加符合工單摘要生成任務(wù)需求的更新適應(yīng)參數(shù)，從而提升工單摘要的生成質(zhì)量和生成效率。通過(guò)將更新適應(yīng)參數(shù)合并至解凍后的基礎(chǔ)參數(shù)中，能夠?qū)崿F(xiàn)對(duì)原始語(yǔ)言模型的微調(diào)，得到更加適合工單摘要生成任務(wù)的微調(diào)語(yǔ)言模型，該微調(diào)語(yǔ)言模型不僅保留了原始語(yǔ)言模型的優(yōu)點(diǎn)，還針對(duì)特定任務(wù)進(jìn)行了優(yōu)化，進(jìn)一步提升了模型的性能和實(shí)用性。綜上所述，通過(guò)模擬內(nèi)在秩、執(zhí)行目標(biāo)訓(xùn)練以及合并更新適應(yīng)參數(shù)，能夠?qū)崿F(xiàn)對(duì)原始語(yǔ)言模型的精準(zhǔn)微調(diào)，得到針對(duì)工單摘要生成任務(wù)優(yōu)化的微調(diào)語(yǔ)言模型，不僅提升了生成工單摘要的質(zhì)量和效率，還增強(qiáng)了微調(diào)語(yǔ)言模型的靈活性和適應(yīng)性，為后續(xù)的工單處理和分析提供了有力支持。

8、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，根據(jù)目標(biāo)網(wǎng)絡(luò)圖對(duì)k個(gè)節(jié)點(diǎn)執(zhí)行摘要聚類操作，具體包括：對(duì)k個(gè)節(jié)點(diǎn)進(jìn)行隨機(jī)采樣，以得到j(luò)個(gè)節(jié)點(diǎn)，其中，j為小于或等于k的正整數(shù)；確定j個(gè)節(jié)點(diǎn)的隨機(jī)采樣順序，并按照隨機(jī)采樣順序?qū)個(gè)節(jié)點(diǎn)中包括的每個(gè)節(jié)點(diǎn)執(zhí)行轉(zhuǎn)移優(yōu)化操作，其中，摘要聚類操作包括轉(zhuǎn)移優(yōu)化操作。

9、通過(guò)采用上述技術(shù)方案，通過(guò)對(duì)k個(gè)節(jié)點(diǎn)進(jìn)行隨機(jī)采樣，得到數(shù)量較少但具有代表性的j個(gè)節(jié)點(diǎn)，隨機(jī)采樣能夠保留節(jié)點(diǎn)的多樣性，有助于更全面地反映原始數(shù)據(jù)的特征。確定j個(gè)節(jié)點(diǎn)的隨機(jī)采樣順序后，按照隨機(jī)采樣順序執(zhí)行轉(zhuǎn)移優(yōu)化操作，能夠確保j個(gè)節(jié)點(diǎn)中包括的每個(gè)節(jié)點(diǎn)都得到相應(yīng)的優(yōu)化處理，轉(zhuǎn)移優(yōu)化操作作為摘要聚類的一部分，能夠進(jìn)一步提升節(jié)點(diǎn)間的聚類效果，使相似的節(jié)點(diǎn)更加緊密地聚集在一起，為后續(xù)的分析和決策提供更加準(zhǔn)確的信息。綜上所述，通過(guò)對(duì)k個(gè)節(jié)點(diǎn)進(jìn)行隨機(jī)采樣得到j(luò)個(gè)節(jié)點(diǎn)，并按照隨機(jī)采樣順序執(zhí)行轉(zhuǎn)移優(yōu)化操作，實(shí)現(xiàn)了對(duì)節(jié)點(diǎn)的高效處理和優(yōu)化。

10、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，確定j個(gè)節(jié)點(diǎn)的隨機(jī)采樣順序，并按照隨機(jī)采樣順序?qū)個(gè)節(jié)點(diǎn)中包括的每個(gè)節(jié)點(diǎn)執(zhí)行轉(zhuǎn)移優(yōu)化操作，具體包括：循環(huán)執(zhí)行如下操作，直至確定目標(biāo)平均編碼長(zhǎng)度：按照隨機(jī)采樣順序依次將j個(gè)節(jié)點(diǎn)中包括的每個(gè)節(jié)點(diǎn)轉(zhuǎn)移至相鄰節(jié)點(diǎn)所在的第一社區(qū)，其中，相鄰節(jié)點(diǎn)為每個(gè)節(jié)點(diǎn)在目標(biāo)網(wǎng)絡(luò)圖中通過(guò)連接線直接相連的其他節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)均對(duì)應(yīng)有一個(gè)社區(qū)；在確定j個(gè)節(jié)點(diǎn)中包括的每個(gè)節(jié)點(diǎn)均已轉(zhuǎn)移至第一社區(qū)的情況下，利用預(yù)設(shè)公式確定目標(biāo)網(wǎng)絡(luò)圖的第一平均編碼長(zhǎng)度；根據(jù)第一平均編碼長(zhǎng)度執(zhí)行節(jié)點(diǎn)轉(zhuǎn)移優(yōu)化判斷操作，以得到優(yōu)化判斷結(jié)果，其中，優(yōu)化判斷結(jié)果包括第一平均編碼長(zhǎng)度、將j個(gè)節(jié)點(diǎn)轉(zhuǎn)移至第一社區(qū)的第一編碼方式、對(duì)j個(gè)節(jié)點(diǎn)執(zhí)行轉(zhuǎn)移優(yōu)化操作的次數(shù)；在優(yōu)化判斷結(jié)果顯示第一平均編碼長(zhǎng)度小于預(yù)設(shè)平均編碼長(zhǎng)度的情況下，將第一平均編碼長(zhǎng)度確定為目標(biāo)平均編碼長(zhǎng)度。

11、通過(guò)采用上述技術(shù)方案，通過(guò)循環(huán)操作，能夠動(dòng)態(tài)地將節(jié)點(diǎn)分配到相鄰節(jié)點(diǎn)所在的第一社區(qū)，這有助于實(shí)時(shí)更新和維護(hù)社區(qū)結(jié)構(gòu)，使其更貼合當(dāng)前的目標(biāo)網(wǎng)絡(luò)圖的狀態(tài)。在j個(gè)節(jié)點(diǎn)都被分配到對(duì)應(yīng)社區(qū)后，利用預(yù)設(shè)公式來(lái)確定第一平均編碼長(zhǎng)度，為評(píng)估社區(qū)結(jié)構(gòu)的效率提供了一個(gè)量化指標(biāo)?；诘谝黄骄幋a長(zhǎng)度，執(zhí)行節(jié)點(diǎn)轉(zhuǎn)移的優(yōu)化判斷操作，有助于找到更優(yōu)的節(jié)點(diǎn)分配方案，從而提高社區(qū)劃分的質(zhì)量。當(dāng)優(yōu)化結(jié)果顯示第一平均編碼長(zhǎng)度小于預(yù)設(shè)平均編碼長(zhǎng)度時(shí)，將第一平均編碼長(zhǎng)度確定為目標(biāo)平均編碼長(zhǎng)度，確保了社區(qū)結(jié)構(gòu)的編碼效率達(dá)到最優(yōu)，或接近最優(yōu)狀態(tài)，不僅提升了社區(qū)劃分(即工單摘要聚類)的準(zhǔn)確性，還提升了目標(biāo)網(wǎng)絡(luò)圖(即工單信息)分析的效率和準(zhǔn)確性。

12、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，在確定j個(gè)節(jié)點(diǎn)中包括的每個(gè)節(jié)點(diǎn)均已轉(zhuǎn)移至第一社區(qū)的情況下，利用預(yù)設(shè)公式確定目標(biāo)網(wǎng)絡(luò)圖的第一平均編碼長(zhǎng)度，具體包括：按如下公式確定第一平均編碼長(zhǎng)度l(m)：

13、

14、其中，m為第一編碼方式，l(m)為將j個(gè)節(jié)點(diǎn)轉(zhuǎn)移至第一社區(qū)后，第一社區(qū)所對(duì)應(yīng)的第一平均編碼長(zhǎng)度，為按照隨機(jī)采樣順序依次將j個(gè)節(jié)點(diǎn)中包括的每個(gè)節(jié)點(diǎn)轉(zhuǎn)移至相鄰節(jié)點(diǎn)所在的第一社區(qū)的轉(zhuǎn)移概率，q為轉(zhuǎn)移概率矩陣，h(q)為轉(zhuǎn)移概率分布的熵，m為目標(biāo)網(wǎng)絡(luò)圖中包括的所有社區(qū)的數(shù)量，為第i個(gè)第一社區(qū)內(nèi)部的狀態(tài)轉(zhuǎn)移概率，pi為第i個(gè)第一社區(qū)內(nèi)部的狀態(tài)轉(zhuǎn)移概率矩陣，h(pi)為第i個(gè)第一社區(qū)內(nèi)部的狀態(tài)轉(zhuǎn)移概率分布的熵。

15、通過(guò)采用上述技術(shù)方案，通過(guò)計(jì)算和優(yōu)化網(wǎng)絡(luò)圖中節(jié)點(diǎn)的編碼長(zhǎng)度，來(lái)改進(jìn)社區(qū)結(jié)構(gòu)的質(zhì)量和編碼效率，可以更有效地管理和分析網(wǎng)絡(luò)圖中的節(jié)點(diǎn)，尤其是在處理大規(guī)模復(fù)雜網(wǎng)絡(luò)圖時(shí)。

16、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，在優(yōu)化判斷結(jié)果顯示第一平均編碼長(zhǎng)度小于預(yù)設(shè)平均編碼長(zhǎng)度的情況下，將第一平均編碼長(zhǎng)度確定為目標(biāo)平均編碼長(zhǎng)度之后，上述方法還包括：對(duì)預(yù)設(shè)聚類規(guī)則表進(jìn)行檢測(cè)，以確定優(yōu)化判斷結(jié)果是否在預(yù)設(shè)聚類規(guī)則表內(nèi)；在確定優(yōu)化判斷結(jié)果不在預(yù)設(shè)聚類規(guī)則表內(nèi)的情況下，根據(jù)優(yōu)化判斷結(jié)果對(duì)預(yù)設(shè)聚類規(guī)則表進(jìn)行更新；對(duì)優(yōu)化判斷結(jié)果進(jìn)行分析，并在可視化屏幕上顯示分析后的優(yōu)化判斷結(jié)果。

17、通過(guò)采用上述技術(shù)方案，檢測(cè)優(yōu)化判斷結(jié)果是否在預(yù)設(shè)聚類規(guī)則表內(nèi)，如果優(yōu)化判斷結(jié)果不在預(yù)設(shè)規(guī)則表內(nèi)，將自動(dòng)更新預(yù)設(shè)規(guī)則表，對(duì)優(yōu)化判斷結(jié)果進(jìn)行分析，并通過(guò)可視化界面展示，以便于進(jìn)一步的審查和決策，有助于適應(yīng)數(shù)據(jù)變化，提升聚類分析的準(zhǔn)確性，并促進(jìn)結(jié)果的透明性。

18、第二方面，本技術(shù)實(shí)施例提供了一種電子設(shè)備，該電子設(shè)備包括：一個(gè)或多個(gè)處理器和存儲(chǔ)器；所述存儲(chǔ)器與所述一個(gè)或多個(gè)處理器耦合，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序代碼，所述計(jì)算機(jī)程序代碼包括計(jì)算機(jī)指令，所述一個(gè)或多個(gè)處理器調(diào)用所述計(jì)算機(jī)指令以使得所述電子設(shè)備執(zhí)行如第一方面以及第一方面中任一可能的實(shí)現(xiàn)方式描述的方法。

19、第三方面，本技術(shù)實(shí)施例提供一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)上述計(jì)算機(jī)程序產(chǎn)品在電子設(shè)備上運(yùn)行時(shí)，使得上述電子設(shè)備執(zhí)行如第一方面以及第一方面中任一可能的實(shí)現(xiàn)方式描述的方法。

20、第四方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括指令，當(dāng)上述指令在電子設(shè)備上運(yùn)行時(shí)，使得上述電子設(shè)備執(zhí)行如第一方面以及第一方面中任一可能的實(shí)現(xiàn)方式描述的方法。

21、可以理解地，上述第二方面提供的電子設(shè)備，第三方面提供的計(jì)算機(jī)程序產(chǎn)品和第四方面提供的計(jì)算機(jī)存儲(chǔ)介質(zhì)均用于執(zhí)行本技術(shù)實(shí)施例所提供的方法。因此，其所能達(dá)到的有益效果可參考對(duì)應(yīng)方法中的有益效果，此處不再贅述。

22、本技術(shù)實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

23、1、通過(guò)微調(diào)語(yǔ)言模型自動(dòng)處理工單信息并生成工單摘要，然后通過(guò)編碼轉(zhuǎn)換為向量形式，構(gòu)建網(wǎng)絡(luò)圖以可視化工單間的相似度，最終通過(guò)聚類分析實(shí)現(xiàn)了工單的高效、準(zhǔn)確分類，進(jìn)而解決了相關(guān)技術(shù)中因人工處理的局限性，導(dǎo)致相似訴求工單關(guān)聯(lián)聚類的準(zhǔn)確率較低的技術(shù)問(wèn)題，達(dá)到了提升相似訴求工單關(guān)聯(lián)聚類的準(zhǔn)確率。

24、2、通過(guò)在原始語(yǔ)言模型中增加旁路網(wǎng)絡(luò)層，并利用預(yù)設(shè)工單摘要數(shù)據(jù)集進(jìn)行微調(diào)，得到了一個(gè)針對(duì)工單摘要生成任務(wù)優(yōu)化的微調(diào)語(yǔ)言模型，為后續(xù)的分析和決策提供了高效、準(zhǔn)確的工具。

25、3、通過(guò)模擬內(nèi)在秩、執(zhí)行目標(biāo)訓(xùn)練以及合并更新適應(yīng)參數(shù)，能夠?qū)崿F(xiàn)對(duì)原始語(yǔ)言模型的精準(zhǔn)微調(diào)，得到針對(duì)工單摘要生成任務(wù)優(yōu)化的微調(diào)語(yǔ)言模型，不僅提升了生成工單摘要的質(zhì)量和效率，還增強(qiáng)了微調(diào)語(yǔ)言模型的靈活性和適應(yīng)性，為后續(xù)的工單處理和分析提供了有力支持。