灵活运用大语言模型手段 助力中国民俗品牌化传播

【摘要】 目的：大语言模型正迅速推动人工智能进步，当前研究多集中于解决问答系统和信息抽取等传统自然语言理解任务。然而，在知识密集型领域（如中国传统民俗），因领域知识不足导致的幻觉问题依然存在。方法：本文以中国传统民俗为例，对大语言模型赋能中国传统民俗的智能代理框架进行研究，以减少大语言模型在该领域的事实性幻觉，为此提出了中国传统民俗的智能代理框架CTF-Agent。具体而言，本文构建了传统民俗本体TFOnto(Traditional Folklore Ontology)，并提出了基于本体感知指令微调的三元组抽取框架OAITE(Ontology-Aware Instruction Tuning for Triplet Extraction)，通过OAITE构建传统民俗知识图谱TFKG(Traditional Folklore Knowledge Graph)，然后提出基于TFKG的双阶段检索增强生成框架TFKG＿RAG(TFKG＿Retrieval-Augmented Generation)，为大语言模型提供传统民俗领域知识，以缓解其在传统民俗领域问答中的事实性幻觉问题。结果：CTF-Agent缓解了大语言模型在传统民俗的幻觉问题，优化增强了传统文化的艺术形式表现力，为其多样发展提供了技术支撑，助力其在全球化传播中提升了品牌化与市场竞争力。结论：CTF-Agent为中国传统民俗文化的创新提供了全新工具，赋予了传统民俗新的生命力。未来应深化技术与文化内容的融合，优化动态评价机制，拓展创新实践，为中华文化的国际传播提供持续动力。更多还原