From efcf147473928e9e4a45cc4ca38b5dbcaaf8a85e Mon Sep 17 00:00:00 2001
From: Jun Zhang <zhangjun2915@163.com>
Date: Thu, 7 Sep 2023 18:08:43 +0800
Subject: [PATCH] =?UTF-8?q?Updated=20=E8=B6=85=E9=9F=B3=E6=95=B0=E8=AE=BE?=
 =?UTF-8?q?=E8=AE=A1=E6=80=9D=E8=B7=AF=20(markdown)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 超音数设计思路.md | 2 ++
 1 file changed, 2 insertions(+)

diff --git a/超音数设计思路.md b/超音数设计思路.md
index 118b973..99f0f1c 100644
--- a/超音数设计思路.md
+++ b/超音数设计思路.md
@@ -47,6 +47,8 @@
 
 当前的实现机制是，定期从semantic model中抽取名称、别名、取值来构建词典，形成内部的knowledge base。查询解析阶段，先对输入文本分词，再采用n-gram词典探测的机制。经过前期调研，中文NLP框架[HanLP](https://github.com/hankcs/HanLP)相对成熟，可以满足需要。
 
+Schema mapper会将所有达到匹配阈值要求的schema项及其相似度得分一并保存到info对象，传递给后续semantic parsing环节引用，最终会由parser挑选输入给LLM。
+
 ### 引入Semantic Corrector