为RAG应用创建管理和使用知识库-人工智能平台 PAI-阿里云
在LangStudio中搭建应用流使用知识库节点，必须先创建一个LangStudio知识库（仅需一次创建，即可在多个应用流中复用）。知识库作为RAG（检索增强生成）架构中的外部私有数据源，需要从OSS读取文档源数据，经过预处理、分块和向量化后，将索引存储到向量数据库中。本文将介绍知识库的创建、配置和使用全流程。
RAG知识库管理
RAG对话系统支持上传知识库文件，这些文件可以包含相关领域（如医疗、法律或金融等）的专业知识和术语。通过扩展知识范围，知识库使模型能够生成更专业和准确的回答。本文为您介绍如何在RAG对话系统的WebUI页面中上传和管理知识库文件。
基于LangChain搭建安全增强的RAG知识库
如果希望增强RAG（Retrieval-Augmented Generation）知识库数据的安全性，可以加密文本块和向量（向量也可能泄露原始语义），从而使用密文进行存储与网络传输。对于向量加密需采用特殊加密算法使得加密后向量仍能进行相似度检索。本文将在DSW开发环境中，以使用LangChain框架为例，介绍如何构建支持知识库加密的 RAG 应用。
人工智能与模型知识库在移动医疗产品中的落地应用
在现代医疗体系中，人工智能（AI）技术的发展为医生和患者提供了前所未有的支持与便利。尤其是结合了大型语言模型与医学知识库的综合平台，正在改变在线医疗的服务质量与效率。本文将探讨通义千问大模型与MaxKB知识库结合，为在线医疗提供支撑，并赋能医生提高诊疗能力。 通义千问大模型概述 通义千问是近年来迅速发展的中文大语...
对于难点积累专家经验知识，形成专家系统知识库，为构建知识型人工智能 运维系统提供基础支撑，如何解决？
对于难点积累专家经验知识，形成专家系统知识库，为构建知识型人工智能 运维系统提供基础支撑，如何解决？
《中国人工智能学会通讯》——12.40 知识库补全
12.40 知识库补全 现有的知识库补全研究可以分为两类，第一类是基于知识融合，提出从万维网多个数据源（如网页、结构化数据、用户日志等）抽取知识元组（主语 - 谓词 - 宾语），并将抽取的知识元组进行集成[4,11-15] 。然而，这类方法面临万维网数据源纷乱复杂、异质性强的核心挑战。第二类是基于知识推理，利用现有的模式与知识推理未知的知识，如已知姚明的出生地是上海并曾代表中国参加奥运会比赛，判....
《中国人工智能学会通讯》——12.38 知识库与 HTML 表格的融合
12.38 知识库与 HTML 表格的融合 近年来，HMTL 表格（Web Table）作为万维网上重要的结构化数据，受到了广泛关注。HTML 表格有两个优点，其一是数量巨大，根据微软在 2012年的统计，万维网上存在着近6亿的HTML表格[33] ；其二结构良好，如图 4 所示，左侧和右下的 HTML表格以良好的结构提供了公司的信息。因此，本文提出将HTML表格的数据抽取出来，链接到知识库中，....
《中国人工智能学会通讯》——12.37 众包机器协同的知识库补全技术
12.37 众包机器协同的知识库补全技术 本章介绍众包机器协同的知识库补全技术，用来进行有效的成本控制，基本思想包含两方面。第一，众包任务选择，即在一定预算约束下，选择最有“收益”的任务进行众包；第二，众包任务推理，即给定众包反馈的答案，利用机器算法推理未被众包解答的答案。首先会在 4.1 节介绍知识库补全的重要途径，知识库与 HTML 表格融合；进而在 4.2节给出基于众包机器协同进行融合的方....
《中国人工智能学会通讯》——12.33 众包知识库补全方法概览
12.33 众包知识库补全方法概览 本章介绍众包知识库补全的方法概览，如图 1所示。其基本思想包含两个部分，其一，利用多种数据源，如现有的多个知识库、Web 结构化数据等，提取知识数据，并将不同数据源的知识数据融合起来，以此补全知识库；其二，在融合的过程中有效地利用众包，通过众包模型细化出具体可供众包完成的任务，利用众包优化算法进行质量和成本的控制，以选择出最优的任务发布到众包平台，如美国亚马逊....
中国人工智能学会通讯——面向知识图谱的自然语言问答系统 2 语义解析式的知识库问答
2 语义解析式的知识库问答 基于语义解析(semantic parsing)的方法是指先利用语义解析理解自然语言问题的语义，将问题转化为具备相同语义的逻辑形式，再通过查询引擎对生成的逻辑形式进行查询处理，得到最终结果。上述过程分别对应语义解析和查询执行两个主要阶段。这类方法的优点在于如果解析成功，则能完整获得提问者的意图，从而精确地返回查询结果。与此同时，将生成的逻辑形式展示给用户可以让用户检验....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。