融合大模型与知识库的智能问答实现方法、系统及介质与流程

本发明涉及计算机，具体涉及一种融合大模型与知识库的智能问答实现方法、系统及存储介质。

背景技术：

1、智能问答系统是一种使用自然语言处理和人工智能技术，旨在以人类方式理解用户提出的问题，并通过搜索、推理或其他方法来提供准确和有用的回答。这种系统通常由以下几个关键组件构成：

2、语言理解：智能问答系统需要对用户输入的自然语言进行理解和解析，这包括词法分析、句法分析、语义理解等任务，以抽取问题中的关键信息和意图；

3、知识表示与存储：智能问答系统需要具备知识库或知识图谱，用于存储结构化和半结构化的知识数据，这些数据可以包括事实、关系、实体属性等，以支持对问题的准确回答；

4、检索与推理：为了回答用户的问题，系统可以使用信息检索技术从大规模的文本数据中找到相关的信息，此外，推理和逻辑推断也可以应用于问题解析和答案生成过程中，以引入更高层次的推理能力；

5、答案生成与排名：基于理解和推理的结果，智能问答系统可以生成候选答案，并对这些答案进行评分和排序，以选择最佳的答案进行呈现给用户。

6、目前，智能问答被广泛应用于各种领域，如互联网搜索引警的问题回答、虚拟助手、智能客服等。它们的目标是提供高质量、个性化和及时的答案，以满足用户对信息的需求，并改善人机交互体验。

7、大模型是指具有庞大参数量和计算资源需求的机器学习或深度学习模型。这些模型通常由数十亿到数百亿甚至更多的可训练参数组成，远远超过传统规模的模型。大模型的出现得益于两个主要因素：

8、一是数据规模的增长，随着互联网的普及和数据收集能力的提升，大量的训练数据变得可用。更多的数据可以帮助大模型学习到更复杂、更准确的特征表示，从而提高其性能；

9、二是计算资源的发展，随着硬件技术的不断进步，如图形处理单元(gpu)、张量处理单元(tpu)和分布式计算等，大模型的训练和推理变得更加可行。这些技术提供了强大的计算能力，使得大模型可以在合理的时间内进行训练和部署。

10、但是，基于大模型的智能问答系统通常具有以下一些缺点：

11、预训练数据依赖性高：大模型的性能高度依赖于预训练阶段所使用的数据，如果预训练数据集不充分或偏斜，可能导致模型在特定领域或任务上表现不佳；

12、可解释性有限：大模型通常具有黑盒属性，其复杂的结构和参数使得难以解释模型内部的决策过程。这在涉及关键决策、法律责任等场景下可能引发问题；

13、数据隐私风险：大模型的训练通常需要访问和处理大量的用户数据，这可能引发数据隐私和安全方面的担忧；

14、面临领域适应性挑战：大模型的泛化能力受限于预训练数据集的领域范围，如果模型在特定领域或任务上没有足够的训练数据，其性能可能下降。

技术实现思路

1、针对背景技术中所提及的技术缺陷，本发明实施例的目的在于提供一种融合大模型与知识库的智能问答实现方法、系统及存储介质。

2、为实现上述目的，第一方面，本发明实施例提供了一种融合大模型与知识库的智能问答实现方法，包括：

3、构建知识与所关联的知识库的知识图谱，并将所述知识图谱存储于图数据库；

4、获取用户输入的自然查询语句；

5、将所述自然查询语句输入大模型中，输出满足问题需要的图查询语句；

6、将所述图查询语句输入所述图数据库，输出所述自然查询语句的问题相关文档；

7、将所述自然查询语句和问题相关文档输入所述大模型，输出问答结果。

8、作为本申请的一种具体实现方式，将所述图查询语句输入所述图数据库，输出所述自然查询语句的问题相关文档，具体为：

9、将所述图查询语句输入所述图数据库，通过图搜索算法得到问题相关文档；

10、所述图搜索算法包括bfs算法或dfs算法；所述问题相关文档包括自然查询语句的专业知识文档和对应章节。

11、作为本申请的一种具体实现方式，输出问答结果具体为：

12、将自然查询语句的专业知识文档和对应章节输入所述大模型，得到领域垂直模型；

13、根据所述自然查询语句和领域垂直模型生成问答结果并输出。

14、第二方面，本发明实施例提供了一种融合大模型与知识库的智能问答实现系统，包括：

15、构建模块，用于构建知识与所关联的知识库的知识图谱，并将所述知识图谱存储于图数据库；

16、获取模块，用于获取用户输入的自然查询语句；

17、图查询模块，用于将所述自然查询语句输入大模型中，输出满足问题需要的图查询语句；

18、问题文档模块，用于将所述图查询语句输入所述图数据库，输出所述自然查询语句的问题相关文档；

19、问答模块，用于将所述自然查询语句和问题相关文档输入所述大模型，输出问答结果。

20、第三方面，本发明实施例还提供了另一种融合大模型与知识库的智能问答实现系统，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如上述第一方面所述的方法步骤。

21、第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现如上述第一方面所述的方法步骤。

22、本发明实施例提供的大模型与知识库深度融合的智能问答实现方案，具有如下优点：

23、1、可减少大模型对专业知识的依赖，从而降低大模型在垂直领域上的预训练或推理所需的算力和时间。

24、2、在传统大模型输出的基础上，结合知识库的输出，可为知识应用提供交叉验证、交叉对比的手段，提高问答服务的可信赖性。

25、3、大模型推理结果与知识库推理结果的融合，可进一步丰富辅助决策的知识背景，并提供更精确的决策建议。

26、4、知识库中的知识结构，可以约束大模型输出结果，并且降低数据偏见，强化输出边界。

技术特征：

1.一种融合大模型与知识库的智能问答实现方法，其特征在于，包括：

2.如权利要求1所述的智能问答实现方法，其特征在于，所述图查询语句满足cypher语法结构。

3.如权利要求1所述的智能问答实现方式，其特征在于，将所述图查询语句输入所述图数据库，输出所述自然查询语句的问题相关文档，具体为：

4.如权利要求3所述的智能问答实现方法，其特征在于，输出问答结果具体为：

5.一种融合大模型与知识库的智能问答实现系统，其特征在于，包括：

6.如权利要求5所述的智能问答实现系统，其特征在于，所述图查询语句满足cypher语法结构。

7.如权利要求5所述的智能问答实现系统，其特征在于，所述问题文档模块具体用于：

8.如权利要求7所述的智能问答实现系统，其特征在于，所述问答模块具体用于：

9.一种融合大模型与知识库的智能问答实现系统，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-4任一项所述的方法步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，其特征在于，所述程序指令被处理器执行时实现如权利要求1-4任一项所述的方法步骤。

技术总结
本发明实施例公开了一种融合大模型与知识库的智能问答实现方法，包括：构建知识与所关联的知识库的知识图谱，并将其存储于图数据库；获取用户输入的自然查询语句，将其输入大模型中，输出满足问题需要的图查询语句；将图查询语句输入图数据库，输出问题相关文档；将自然查询语句和问题相关文档输入大模型，输出问答结果。本发明优点如下：1、可减少大模型对专业知识的依赖，从而降低大模型在垂直领域上的预训练或推理所需的算力和时间。2、大模型推理结果与知识库推理结果的融合，可进一步丰富辅助决策的知识背景，并提供更精确的决策建议。3、知识库中的知识结构，可以约束大模型输出结果，并且降低数据偏见，强化输出边界。

技术研发人员：张晨,周研,吴菁,徐文龙
受保护的技术使用者：浙江创邻科技有限公司
技术研发日：
技术公布日：2024/1/15