风寒感冒和风热感冒 区别

风寒感冒一般发热轻,病人就是有点微热,但也不会感觉到热。反而怕冷明显,喜欢躺下盖被子。全身乏力,头昏沉,很想躺下休息,不想动,精神也疲劳。清水样的是风寒不容易鼻塞,打喷嚏。
风寒感冒,其起因通常是劳累,没休息好,再加上吹风或受凉。风寒感冒通常秋冬发生比较多。风寒感冒属于太阳经症,太阳开机受阻。其特征症状为:
* 后脑强痛,就是后脑袋疼,连带脖子转动不灵活。
* 怕寒怕风,通常要穿很多衣服或盖大被子才觉得舒服点
* 鼻涕是清涕,白色或稍微带点黄。如果鼻塞不流涕,喝点热开水,开始流清涕,这也属于风寒感冒
* 舌无苔或薄白苔
* 如果你会把脉,你应该可以测到脉像是浮紧,浮脉的意思是阳气在表,轻取即得。
 
 
热感冒的症状:
* 喉咙痛,通常在感冒症状之前就痛,痰通常黄色或带黑色。
* 浓涕,通常黄色
* 舌苔带点黄色,也有可能是白色的,舌体通常比较红。
* 便秘
* 身热、口渴、心烦
* 脉像通常为数脉或洪脉,就是脉搏比正常的为快,为大。
风热感冒则不同,一般的病人都有明显发烧症状,所以病人明显感到热, 感觉全身不舒服,但不会很疲乏,精神不疲倦,但感觉很烦躁,这都是“热气在体不能表” 鼻涕粘稠的是风热,鼻塞严重, 痰通常黄色或带黑色, 舌苔带点黄色,也有可能是白色的,舌体通常比较红

转载于:https://www.cnblogs.com/eksay/p/4356887.html

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子待分类文本。但实际应用中,类目样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值