利用大模型 embedding 结合 Aurora PostgreSQL 实现医疗术语检索增强生成的解决方案
原文中文，约25300字，阅读约需61分钟。发表于：。在这篇博客中，我们将讨论使用双路召回的方式来优化医疗文献检索。其一是利用大模型对所有医疗文献的摘要进行 embedding，输出的向量数据存储到向量数据库；用户检索时，把用户输入的医疗术语进行 embedding 向量化，在向量数据库中进行相似性检索，找到最相似的文档。其二是通过对文献的摘要提取关键字，存入 Aurora PostgreSQL...
在医疗行业，医生与药厂需有效沟通专业术语。随着医学文献增多，快速匹配治疗方案变得困难。客户希望通过大模型优化文献检索，结合向量检索与全文检索，提高医疗文献的召回精度，以满足用户需求。
