शेप जनरेटिव्ह एआय प्लॅटफॉर्म

कीवर्ड क्वेरी निर्मिती

कीवर्ड क्वेरी निर्मितीमध्ये संक्षिप्त क्वेरी तयार करण्यासाठी दिलेल्या मजकुरातून सर्वात संबंधित आणि महत्त्वपूर्ण शब्द किंवा वाक्ये काढणे समाविष्ट असते. ही प्रक्रिया मजकूरातील मुख्य सामग्री आणि हेतू कार्यक्षमतेने सारांशित करण्यात मदत करते, ज्यामुळे संबंधित माहिती शोधणे किंवा पुनर्प्राप्त करणे सोपे होते. निवडलेले कीवर्ड सहसा नाम, क्रियापद किंवा महत्त्वाचे वर्णन करणारे असतात जे मूळ मजकूराचे सार कॅप्चर करतात.

RAG डेटा जनरेशन (पुनर्प्राप्ती-संवर्धित जनरेशन)

अचूक आणि संदर्भानुसार संबंधित प्रतिसाद तयार करण्यासाठी RAG माहिती पुनर्प्राप्ती आणि नैसर्गिक भाषा निर्मितीची ताकद एकत्र करते. RAG मध्ये, मॉडेल प्रथम दिलेल्या क्वेरीवर आधारित मोठ्या डेटासेटमधून संबंधित कागदपत्रे किंवा परिच्छेद पुनर्प्राप्त करते. हे पुनर्प्राप्त ग्रंथ आवश्यक संदर्भ प्रदान करतात. मॉडेल नंतर एक सुसंगत आणि अचूक उत्तर व्युत्पन्न करण्यासाठी या संदर्भाचा वापर करते. ही पद्धत खात्री देते की प्रतिसाद माहितीपूर्ण आणि विश्वसनीय स्रोत सामग्रीवर आधारित आहेत, व्युत्पन्न केलेल्या सामग्रीची गुणवत्ता आणि अचूकता सुधारतात.

RAG Q/A प्रमाणीकरण

मजकूर वर्गीकरण

यामध्ये मजकूर दस्तऐवजांचे त्यांच्या मजकुराच्या आधारे पूर्वनिर्धारित वर्गांमध्ये वर्गीकरण करणे समाविष्ट आहे. आमचे तज्ञ विशिष्ट विषय, भावना किंवा श्रेणींनुसार मजकूरांचे विश्लेषण आणि लेबलिंग करतात. ही प्रक्रिया AI प्रणालींना मजकूर-आधारित माहिती स्वयंचलितपणे व्यवस्थापित करण्यास, फिल्टर करण्यास आणि मार्गस्थ करण्यास सक्षम करते.

सामान्य अनुप्रयोगांमध्ये हे समाविष्ट आहे:
» सामग्री वर्गीकरण (बातम्या, क्रीडा, मनोरंजन इ.)
» भावना विश्लेषण (सकारात्मक, नकारात्मक, तटस्थ)
» हेतू वर्गीकरण (प्रश्न, आदेश, विधान)
» प्राधान्यक्रम क्रमवारी (तातडीचे, महत्वाचे, दिनचर्या)
» विषय मॉडेलिंग (तंत्रज्ञान, वित्त, आरोग्यसेवा)

शोध क्वेरी प्रासंगिकता

शोध क्वेरी प्रासंगिकता एखाद्या दस्तऐवज किंवा सामग्रीचा भाग दिलेल्या शोध क्वेरीशी किती चांगले जुळतो याचे मूल्यांकन करते. वापरकर्त्यांना त्यांच्या प्रश्नांसाठी सर्वात संबंधित आणि उपयुक्त परिणाम मिळतील याची खात्री करण्यासाठी शोध इंजिन आणि माहिती पुनर्प्राप्ती प्रणालीसाठी हे महत्त्वपूर्ण आहे.

NL2 कोड

NL2Code (नॅचरल लँग्वेज टू कोड) मध्ये नैसर्गिक भाषेच्या वर्णनातून प्रोग्रामिंग कोड तयार करणे समाविष्ट आहे. हे डेव्हलपर आणि नॉन-डेव्हलपर्सना त्यांना काय हवे आहे ते साध्या भाषेत वर्णन करून कोड तयार करण्यात मदत करते.

NL2SQL (SQL जनरेशन)

NL2SQL (नॅचरल लँग्वेज टू एसक्यूएल) मध्ये नैसर्गिक भाषेतील प्रश्नांना SQL क्वेरीमध्ये रूपांतरित करणे समाविष्ट आहे. हे वापरकर्त्यांना साध्या भाषेचा वापर करून डेटाबेसशी संवाद साधण्यास अनुमती देते, जे SQL वाक्यरचनाशी परिचित नसतील त्यांच्यासाठी डेटा पुनर्प्राप्ती अधिक सुलभ करते.

तर्कावर आधारित प्रश्न

तर्क-आधारित प्रश्नाला उत्तर मिळण्यासाठी तार्किक विचार आणि वजावट आवश्यक आहे. या प्रश्नांमध्ये अनेकदा परिस्थिती किंवा समस्या असतात ज्यांचे विश्लेषण आणि तर्क कौशल्य वापरून निराकरण करणे आवश्यक असते.

नकारात्मक/असुरक्षित प्रश्न

नकारात्मक किंवा असुरक्षित प्रश्नामध्ये हानिकारक, अनैतिक किंवा अनुचित सामग्री समाविष्ट आहे. असे प्रश्न सावधगिरीने हाताळले पाहिजेत आणि विशेषत: असुरक्षित वर्तनास परावृत्त करणारा किंवा सुरक्षित, नैतिक पर्याय प्रदान करणारा प्रतिसाद आवश्यक आहे.

एकाधिक निवड प्रश्न

एकापेक्षा जास्त निवडीचे प्रश्न हे मूल्यांकनाचा एक प्रकार आहे ज्यामध्ये अनेक संभाव्य उत्तरांसह प्रश्न सादर केला जातो. उत्तरदात्याने प्रदान केलेल्या पर्यायांमधून योग्य उत्तर निवडणे आवश्यक आहे. हे स्वरूप शैक्षणिक चाचणी आणि सर्वेक्षणांमध्ये मोठ्या प्रमाणावर वापरले जाते.