基于民诉应用的多模态知识语料数据建设.pdfVIP

信息化建设

基于民诉应用的多模态知识语料数据建设

杜英春

摘要：民诉智能化应用需通过知识数字化、标签数字化以及知识语料数据完善等工作，利用专门的知识语料数

据，有效提升民诉应用模型性能与泛化能力、推动算法与架构创新、促进模型的创新与发展、推动民诉业务咨

询等应用场景智能化。而使用传统数据进行算法训练，通常用于特定任务，且数据量较小、数据质量差，造成

泛化能力有限，通常需要针对特定任务进行重新训练，数据复用能力差，成本高。结果表明，建设专门的民诉

应用多模态知识语料数据，能降低训练成本与资源消耗、推动人工智能产业的可持续发展。

关键词：人工智能；多模态；知识语料；数据治理；算法训练

一、前言前，通用数据过剩与专业数据稀缺的结构性矛盾突出，

在人工智能驱动的产业变革浪潮中，专门场景知识导致民诉应用场景的模型输出常因语料偏差而失准。因

语料数据正成为赋能垂直领域智能化转型的核心战略此，建设场景化、多模态、实时更新的专业语料库，不

资源。相较于通用语料，面向特定场景构建的民生领域仅是突破技术瓶颈的关键举措，更是激活“人工智能+

语料库，通过汇聚高知识密度的专业知识数据，能显著产业”融合创新的底层支撑。随着语料银行、可信数据

提升民生应用大模型在复杂业务环境中的认知精度与空间等生态机制的完善，专业语料将从技术要素升维为

决策可靠性，降低模型训练数据风险和对算力的依赖。资产要素，为数字经济时代构筑知识驱动的竞争“护城

因此，基于民诉应用建设多模态知识语料数据对于降河”。本文提出了基于民诉应用场景知识语料数据建设

低模型训练数据风险、减少对算力的依赖、提高业务应的基本原则和运行机制，对于缓解算力问题、提高民生

用可靠性具有重要意义。文献[1]提出训练数据时，获政务服务效率具有重要意义。

取数据的爬取行为主要面临合法性争议与授权链条瑕

疵风险，数据内容主要面临著作权与个人信息侵权风险，二、知识语料数据采集要求

数据应用主要面临数据集泄露与滥用风险。对此，应为避免产生数据风险，根据文献[1]数据风险的研

采用层次化规制理念。文献[2]提出政务领域的专业性究结论，需要划分数据责任来源，各单位应按照“应收

和地域部门间的差异性导致政务信息存在余、分类复尽收、应汇尽汇、一数一源、权威准确、合法合规、动

杂和语义相似等问题，通过数据侧的知识增强，以提态调整、按需补充、共建共享、授权使用”的原则，建

高对政务信息的处理效率。文献[3]提出数字政府建设设知识语料数据。知识采集是知识库建设的首要步骤，

中应用生成式人工智能可能导致数据安全风险、责任直接影响着后续模型的性能和应用效果。下面将介绍

虚化风险以及隐私信息侵权风险。在风险治理层面，借在数据采集过程中需要关注的关键点，包括知识类型

助敏捷治理思路，应采取综合规制路径，建立数据分的选择、采集方法的确定以及数据采集过程中的隐私

级分类规制框架，明确政府主体责任，有效激活个人信和安全问题

息保护的私法规范，同时注意适时评估实效并及时修（一）知识语料类型

正。以上文献表明，高质量垂类语料可降低模型训练知识语料数据指用于智能体开发与训练的数据资源

对算力的依赖，提供了“轻量化智能”的可行路径。当融合体，包括文本、语音、图像、视频等多种形式，涵

信息系统工程103

■信息化建设

盖日常咨询、办事指南、操作规程、政策文件、政策解（四）知识语料采集的隐私和安全