面向经营类铁路信息资源管理的自然语言交互关键技术研究

张 国平(中国铁路信息科技集团有限公司,中国;)
张 锐(中国铁路信息科技集团有限公司,中国;)
赖 晴鹰(北京交通大学,中国;)
赵 东方(中铁信息工程集团有限公司,中国;)

DOI: http://dx.doi.org/10.12349/ecin.v2i9.8524

Article ID: 8524

摘要


随着行业数字化转型的不断深入,经营类铁路信息资源服务模式正经历从传统人工沟通与静态报表向智能化、实时化的深刻变革。本文针对该领域存在的查询效率低、语义理解难、系统适应性差等问题,提出了一种基于自然语言交互的智能技术体系。该体系通过融合意图识别、语义检索(RAG)、双通道查询生成等核心技术,构建了一个能够对多源异构数据进行快速语义理解与高效查询执行的闭环系统。实验结果表明,本系统在真实业务数据集上的意图识别准确率达到96.2%,SQL生成执行成功率达94.5%,平均响应时间低于2秒,显著优于传统模板匹配方案。本研究不仅为铁路信息资源管理提供了可行的技术路径,其“模板优先,LLM回退”的双通道架构与持续优化机制,对同类企业级应用也具有重要的参考价值。

关键词


自然语言交互;经营类铁路信息资源;RAG;意图识别;LLM;SQL生成

全文:

PDF

参考


Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of deep bidirectional transformers for language understanding[J]. arXiv preprint arXiv:1810.04805, 2018.

Lewis P, Perez E, Piktus A, et al. Retrieval-augmented generation for knowledge-intensive nlp tasks[J]. Advances in Neural Information Processing Systems, 2020, 33: 9459-9474.

Touvron H, Martin L, Stone K, et al. Llama 2: Open foundation and fine-tuned chat models[J]. arXiv preprint arXiv:2307.09288, 2023.

Hu E J, Shen Y, Wallis P, et al. Lora: Low-rank adaptation of large language models[J]. arXiv preprint arXiv:2106.09685, 2021.

Schick T, Schütze H. Few-shot text generation with natural language instructions[J]. arXiv preprint arXiv:2012.15723, 2020.

Thoppilan R, De Freitas D, Hall J, et al. Lamda: Language models for dialog applications[J]. arXiv preprint arXiv:2201.08239, 2022.

Li Y, Li Z, Zhang K, et al. A survey of text sql parsing: Concepts, methods and future directions[J]. arXiv preprint arXiv:2305.15036, 2023.


Refbacks

  • 当前没有refback。


版权所有(c)2026 张 国平, 张 锐, 赖 晴鹰, 赵 东方

Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。