FLASH：基于联邦学习的 LLM 用于通过 RAG 实现社交网络的高级查询处理

Sai Puppala; Ismail Hossain; Md Jahangir Alam; Sajedul Talukder

FLASH：基于联邦学习的 LLM 用于通过 RAG 实现社交网络的高级查询处理

机器学习 2024-08-13 v1 分布式、并行与集群计算信息检索社会与信息网络

作者: Sai Puppala , Ismail Hossain , Md Jahangir Alam , Sajedul Talukder

摘要

本文提出了一种新颖的方法，通过受联邦学习 GPT 赋能的个人化聊天机器人系统来实现社交网络信息检索和用户参与。该系统旨在无缝聚合和策ils 多样化的社交媒体数据源，包括用户帖子、多媒体内容和热门新闻。利用联邦学习技术，对 GPT 模型在分布式数据源上进行训练，以确保隐私和安全，同时提供个人化的见解和建议。用户通过直观的界面与之交互，获取量身定制的信息和实时更新，了解社交媒体趋势和用户生成内容。该系统的创新架构 enables 对输入文件进行高效处理，解析和丰富文本数据以元数据，并使用先进的语言模型生成相关问题和答案。通过 facilitate 用户对海量社交网络信息的交互式访问，该个人化聊天机器人系统代表了社交媒体通信和知识传播的重大进步。

关键词

联邦学习大型语言模型 RAG 社交网络查询处理个人化聊天机器人可解释人工智能

引用

@article{arxiv.2408.05242,
  title  = {FLASH: Federated Learning-Based LLMs for Advanced Query Processing in Social Networks through RAG},
  author = {Sai Puppala and Ismail Hossain and Md Jahangir Alam and Sajedul Talukder},
  journal= {arXiv preprint arXiv:2408.05242},
  year   = {2024}
}

备注

This research paper is submitted to ASONAM 2024 conference on Advances in Social Networks Analysis and Mining and going to be published in Springer

FLASH：基于联邦学习的 LLM 用于通过 RAG 实现社交网络的高级查询处理

摘要

关键词

引用

备注

相关论文