问答方法、设备和存储介质与流程

本申请涉及人工智能，特别是涉及一种问答方法、设备和存储介质。

背景技术：

1、问答大模型是人工智能领域中一类重要的应用，旨在使计算机能够理解和回答自然语言提出的问题。目前，问答大模型可应用于智能客服、在线教育、临床诊断、社交媒体、金融等各个领域，能够辅助决策和解决问题，提高工作效率和用户体验。

2、然而，由于问答大模型需要处理的问题类型繁多，且受模型架构与算法的限制，导致目前问答大模型的回答准确率不高，仍需进一步优化。

技术实现思路

1、本申请主要解决的技术问题是提供一种问答方法、设备和计算机可读存储介质，能够提高问答大模型回答的准确率。

2、为解决上述技术问题，本申请采用的一个技术方案是：提供一种问答方法，该方法包括：检索与用户问题相匹配的若干候选知识；提取若干候选知识的目标关注信息；将若干候选知识和目标关注信息输入问答大模型，得到问答大模型输出的关于用户问题的目标回答结果。

3、为解决上述技术问题，本申请采用的另一个技术方案是：提供一种电子设备，包括相互耦接的存储器和处理器，存储器存储有程序指令；处理器用于执行存储器中存储的程序指令，以实现上述问答方法。

4、为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质用于存储程序指令，程序指令能够被处理器执行以实现上述问答方法。

5、以上方案，在检索到与用户问题相匹配的若干候选知识之后，进一步提取若干候选知识的目标关注信息，并将若干候选知识和目标关注信息一起输入问答大模型，利用问答大模型生成用户问题的目标回答结果。通过该方式，可以使问答大模型在实时回答过程中能够关注到目标关注信息，辅助问答大模型理解和整合若干候选知识，降低问答大模型的理解难度，从而提高问答大模型回答的准确率。

技术特征：

1.一种问答方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述若干候选知识包括若干候选私域知识和若干候选互联网域知识，所述目标关注信息包括以下信息中的至少一者：各所述候选知识与所述用户问题的匹配程度、各所述候选知识所属的知识域、各所述候选知识的优先级顺序、以及所述候选私域知识与所述候选互联网域知识之间的关联信息；

3.根据权利要求1所述的方法，其特征在于，所述若干候选知识被划分为至少一个候选知识集，各所述候选知识集中均包括属于一种模态的至少一个候选私域知识和至少一个候选互联网域知识，不同所述候选知识集对应的所述模态不相同，所述目标关注信息包括各所述候选知识集分别对应的子关注信息，所述问答大模型包括大语言模型和至少一种模态的编码网络；

4.根据权利要求3所述的方法，其特征在于，所述至少一个候选知识集包括文本模态的第一候选知识集、音频模态的第二候选知识集和视频模态的第三候选知识集，所述目标关注信息包括所述第一候选知识集的第一子关注信息、所述第二候选知识集的第二子关注信息和所述第三候选知识集的第三子关注信息，所述至少一种模态的编码网络包括文本编码网络、音频编码网络和视频编码网络，所述音频编码网络包括第一音频编码子网络和第二音频编码子网络，所述视频编码网络包括第一视频编码子网络和第二视频编码子网络。

5.根据权利要求4所述的方法，其特征在于，所述对各所述候选知识集，利用相应模态的所述编码网络对所述候选知识集和所述候选知识集的所述子关注信息进行编码，得到相应模态的编码特征，包括：

6.根据权利要求1所述的方法，其特征在于，所述检索与用户问题相匹配的若干候选知识，包括：

7.根据权利要求6所述的方法，其特征在于，所述至少将各所述候选私域知识向量分别对应的原始私域知识以及各所述第一候选互联网域知识向量分别对应的原始互联网域知识，作为所述若干候选知识，包括：

8.根据权利要求6所述的方法，其特征在于，构建所述私域知识向量库和所述互联网域知识向量库包括以下步骤：

9.根据权利要求8所述的方法，其特征在于，所述若干原始私域知识和所述若干原始互联网域知识中包括若干原始视频；

10.根据权利要求9所述的方法，其特征在于，

11.根据权利要求9所述的方法，其特征在于，所述多模态向量表征模型包括第一文本向量表征网络、第一图像向量表征网络、音频向量表征网络和注意力处理网络；

12.根据权利要求9所述的方法，其特征在于，所述至少将所述多模态特征向量作为所述视频知识单元向量化后的向量，包括：

13.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序指令，所述程序指令能够被处理器执行以实现权利要求1-12任一项所述的方法。

技术总结
本申请公开了一种问答方法、设备和存储介质，问答方法包括：检索与用户问题相匹配的若干候选知识；提取若干候选知识的目标关注信息；将若干候选知识和目标关注信息输入问答大模型，得到问答大模型输出的关于用户问题的目标回答结果。通过上述方式，能够提高问答大模型回答的准确率。

技术研发人员：刘权,陈洋,李锐,张之昊,梅林海,谢春禾,王士进,刘聪,胡国平
受保护的技术使用者：科大讯飞股份有限公司
技术研发日：
技术公布日：2025/3/3