文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于大语言模型的汽车故障记录自动标注方法研究

戴雅雯,赵悦,张琳

(芜湖职业技术学院,安徽 芜湖 241000)

栏目:计算机技术 · 第 2025 年第 12 期 · 页码:92-96 · 2096-4706(2025)12-0092-05 · 中图分类号:TP391.1 · 文献标识码:A · DOI:10.19850/j.cnki.2096-4706.2025.12.018

摘要

汽车故障记录是车辆状况分析的重要数据来源,但其非结构化和专业性使得人工标注成本高昂。针对该问题提出了一种基于大语言模型的自动标注方法。研究结合大语言模型和领域知识,通过构建特定的提示模板,实现对汽车故障记录中故障部位、故障状态和检测工具数据的抽取与标注。实验结果表明,基于结合行业示例的少样本提示模版的DeepSeek模型表现最佳,标注精确率为79.65%,召回率达到84.92%,F1值为82.20%,在F1值上优于基于传统深度学习模型的标注方法3%以上。

关键词

大语言模型;汽车故障记录;自动标注;提示工程

参考文献

  1. [1] 陈镜冰.面向非结构化文本的网络威胁情报信息抽取方法研究与实现 [D].北京:北京邮电大学,2024.
  2. [2] 任安琪,柳林,王海龙,等.面向文本实体关系抽取研究综述 [J].计算机科学与探索,2024,18(11):2848-2871.
  3. [3] 胡杭乐,程春雷,叶青,等.开放信息抽取研究综述 [J].计算机工程与应用,2023,59(16):31-49.
  4. [4] 朱小龙,邱林.机器学习下半结构化文本信息抽取仿真 [J].计算机仿真,2023,40(2):540-544.
  5. [5] ZHAO L J,QIU X P,ZHANG Q,et al. Sequence Labeling With Deep Gated Dual Path CNN [J].IEEE/ACM Transactions on Audio, Speech, and Language Processing,2019,27(12):2326-2335.
  6. [6] ALZAIDY R,CARAGEA C,GILES C L. Bi-LSTM-CRF Sequence Labeling for Keyphrase Extraction from Scholarly Documents [C]//The World Wide Web Conference.San Francisco:ACM,2019:2551-2557.
  7. [7] 孙争艳,张顺香,陈磊,等.基于BERT语义增强的因果关系抽取模型 [J].计算机工程与设计,2024,45(12):3758-3763.
  8. [8] 黄睿,赵昶铭,李汉清,等.基于视觉大模型的智能驾驶数据自动标注方法 [C]//第三十一届中国汽车工程学会年会暨展览会(SAECCE 2024).重庆:中国汽车工程学会,2024:263-270.
  9. [9] DEEPSEEK-AI,GUO D Y,YANG D J,et al. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning [J/OL].arXiv:2501.12948 [cs.CL].(2025-01-22).https://arxiv.org/abs/2501.12948.
  10. [10] SUN Y,WANG S H,FENG S K,et al. ERNIE 3.0: Large-scale Knowledge Enhanced Pre-training for Language Understanding and Generation [J/OL].arXiv:2107.02137 [cs.CL].(2021-07-05).https://arxiv.org/abs/2107.02137.
  11. [11] QIN R Y,LI Z M,HE W R,et al. Mooncake: A KVCache-centric Disaggregated Architecture for LLM serving [J/OL].arXiv:2407.00079 [cs.DC].(2024-06-24).https://arxiv.org/abs/2407.00079.
  12. [12] 陈文泰,张帆.提示词构成要素对大语言模型跨模态内容生成质量的影响研究——基于讯飞星火大模型文生图功能的探索性实验 [J].郑州大学学报:哲学社会科学版,2025,58(2):99-104.
  13. [13] RUBIN O,HERZIG J,BERANT J. Learning to Retrieve Prompts for In-context Learning [J/OL].arXiv:2112.08633 [cs.CL].(2021-12-16).https://arxiv.org/abs/2112.08633.

基金项目

安徽省高校自然科学研究重点项目(2023AH052378);安徽省高校自然科学研究重点项目(2023AH052392);芜湖职业技术学院校级科研项目(wzyzrzd202405);安徽省高校自然科学研究重点项目(2022AH052211);安徽省高校自然科学研究重点项目(2022AH052198);安徽省教学创新团队(2023cxtd147);安徽省课程思政示范课程(2023kcsz004);芜湖职业技术学院校级科研项目(wzyzrzd202402)

作者简介

戴雅雯(1997—),女,汉族,安徽芜湖人,助教,硕士研究生,研究方向:自然语言处理;赵悦(1996—),女,汉族,安徽宿州人,助教,硕士研究生,研究方向:图像加密;张琳(1984—),女,汉族,安徽宣城人,副教授,硕士研究生,研究方向:计算机应用技术。