目前医院财务领域亟需一种能够高效、准确理解自然语言查询,并智能检索复杂财务数据的专业化解决方案,以支持决策和提升管理效率。针对医院财务数据检索中自然语言到结构化查询语言(Natural Language to SQL,NL2SQL)的挑战,文章提出了...目前医院财务领域亟需一种能够高效、准确理解自然语言查询,并智能检索复杂财务数据的专业化解决方案,以支持决策和提升管理效率。针对医院财务数据检索中自然语言到结构化查询语言(Natural Language to SQL,NL2SQL)的挑战,文章提出了一种结合大语言模型的医院财务数据智能检索方法。首先,基于医院财务业务场景构建数据集,为模型训练提供了基础支持,并通过应用思维链策略扩展数据集,提升其覆盖范围和多样性。随后,采用低秩适应(LoRA)算法,进一步优化模型在医院财务数据检索任务中的表现。实验结果表明,该方法在医院私有财务数据的检索准确率上相比现有主流模型BERT提升了20.5%,充分展示了该方法在医院财务数据智能检索中的应用价值与优越性。展开更多
文摘目前医院财务领域亟需一种能够高效、准确理解自然语言查询,并智能检索复杂财务数据的专业化解决方案,以支持决策和提升管理效率。针对医院财务数据检索中自然语言到结构化查询语言(Natural Language to SQL,NL2SQL)的挑战,文章提出了一种结合大语言模型的医院财务数据智能检索方法。首先,基于医院财务业务场景构建数据集,为模型训练提供了基础支持,并通过应用思维链策略扩展数据集,提升其覆盖范围和多样性。随后,采用低秩适应(LoRA)算法,进一步优化模型在医院财务数据检索任务中的表现。实验结果表明,该方法在医院私有财务数据的检索准确率上相比现有主流模型BERT提升了20.5%,充分展示了该方法在医院财务数据智能检索中的应用价值与优越性。
