大語言模型與非遺“共舞”

　　宋錦既然起源于蘇州，為什么叫宋錦？為什么會有宋錦到蜀錦的發(fā)展轉變？繅絲使用梭子的方式與一般織布有何不同？近日，在《中國世界級非遺文化悅讀系列》叢書發(fā)布會上，一款同步推出的“非物質文化遺產(chǎn)大語言模型”引人注目。在模型中輸入上述問題，一個個翔實、生動的答案躍入眼簾。

　　南京農(nóng)業(yè)大學信息管理學院王東波教授接受記者采訪時表示，他帶領團隊聯(lián)合南京大學“術語與翻譯跨學科研究基地”推出的這款模型，致力于推動非遺文化的數(shù)字化保護，為非遺文化的保護與傳播開辟新路徑。

　　“非物質文化遺產(chǎn)是中華優(yōu)秀傳統(tǒng)文化的重要組成部分，我們希望通過打造一款非遺領域的人工智能大模型，促進中華優(yōu)秀傳統(tǒng)文化的國內(nèi)外傳播?！蓖鯑|波介紹，目前的通用領域大模型雖然在語言能力與通用知識領域表現(xiàn)出色，但缺乏對特定領域知識的了解。通過專業(yè)領域的數(shù)據(jù)開展預訓練，能夠彌補通用大模型在非遺知識領域的匱乏。

　　“在非物質文化遺產(chǎn)領域，數(shù)據(jù)的獨特性與復雜性是大模型構建的關鍵挑戰(zhàn)。”王東波表示，為確保非遺大模型能夠精準理解和運用文化遺產(chǎn)領域的獨特知識，研究團隊在數(shù)據(jù)收集階段，從中國非物質文化遺產(chǎn)網(wǎng)的政策、資源、學術等五大板塊獲取并整理了海量數(shù)據(jù)，并利用學術文獻數(shù)據(jù)庫中的大量非遺相關期刊論文摘要，通過對網(wǎng)頁內(nèi)容的分類解析和論文摘要的整理，構建了一個內(nèi)容豐富、預訓練數(shù)據(jù)總字數(shù)超1868萬字的數(shù)據(jù)集。

　　在王東波看來，高質量數(shù)據(jù)集的構建是非遺大語言模型獲取相關領域專業(yè)知識的必要條件。為使模型能夠更好地理解和響應非遺相關問題，研究團隊通過對數(shù)據(jù)的量化分析和組織專家的深度參與，構建了面向非遺的知識實體標注方案，所完成的知識實體精標注語料庫總字符數(shù)超176萬。

　　經(jīng)過長期的人工數(shù)據(jù)標注與校驗，團隊實現(xiàn)了非遺數(shù)據(jù)知識實體的精細標注。為進一步豐富訓練數(shù)據(jù)，研究團隊結合數(shù)據(jù)生成的特性，與南京大學術語與翻譯跨學科研究基地的魏向清教授團隊合作，依托超大型語言模型，融入了《中國世界級非遺文化悅讀系列》叢書中的對話內(nèi)容，對已有非遺文本數(shù)據(jù)進行轉換與增強，構建了高質量的非遺知識對話數(shù)據(jù)。

　　依托南京農(nóng)業(yè)大學高性能算力平臺，研究團隊訓練出非遺領域基座大模型，又在非遺知識對話數(shù)據(jù)的基礎上進一步構建了非遺對話大模型。

　　“非遺對話大模型可以實現(xiàn)非遺文化的智能化傳播與知識普及，目前，這款模型有中英文兩種語言模式。后期我們也將嘗試引入其他語種，將不同地域的非遺文化融合，打破語言障礙，助力中國非遺文化走向世界?！蓖鯑|波表示，團隊希望通過非遺領域大語言模型，促進傳統(tǒng)故事、技藝、習俗等內(nèi)容的數(shù)字化、知識化、系統(tǒng)化保護與利用，建立非遺的長效保護體系，確保非遺的可持續(xù)發(fā)展。（記者 金鳳 通訊員 趙志梟）

　　轉自：科技日報

　　【版權及免責聲明】凡本網(wǎng)所屬版權作品，轉載時須獲得授權并注明來源“中國產(chǎn)業(yè)經(jīng)濟信息網(wǎng)”，違者本網(wǎng)將保留追究其相關法律責任的權力。凡轉載文章及企業(yè)宣傳資訊，僅代表作者個人觀點，不代表本網(wǎng)觀點和立場。版權事宜請聯(lián)系：010-65363056。

延伸閱讀