一种基于多模型融合的农业智能对话方法及系统与流程

本发明涉及人工智能，特别涉及一种基于多模型融合的农业智能对话方法及系统。

背景技术：

1、当前，智能对话系统在各个领域的应用日益广泛。智能对话系统是利用自然语言处理、机器学习等人工智能技术构建的计算机程序，它能够理解和生成人类语言，实现人机之间的自然交流。这些系统通过语音识别将用户的语音转换为文本，再通过自然语言理解技术分析文本中的意图和关键信息，然后对话管理系统根据分析结果决定最合适的回复策略，最后通过自然语言生成技术产生回复并由语音合成技术将文本转换回语音。智能对话系统已广泛应用于智能客服、教育、医疗和娱乐等多个领域，它们通过提供自动化的客户支持、个性化的学习体验、辅助诊断和治疗以及丰富的娱乐体验，极大地提高了效率和用户体验。随着技术的不断进步，智能对话系统的应用范围和功能也在不断扩展，预示着更加智能化的未来。

2、然而，现有系统通常依赖单一模型进行对话生成，难以满足多样化场景下的需求。此外，传统对话系统在上下文理解和多轮对话连贯性方面存在不足，影响了用户体验。特别是在农业领域，农民和农业从业者需要精准、专业的知识支持和决策辅助，现有对话系统难以满足其特定需求。所以，目前的一些通用模型并不适用于一些专业农业知识的问答，在需要涉及到专业农业知识问答的时候，通用模型的输出往往精确程度不足，不能很好地适用于农业专业从业者的需求，而专门针对于农业领域的一些大语言模型则仅在农业知识的输出方面较为专业，在其他领域或者通识方面的回答则稍有欠缺。因此，目前的这些大规模语言模型在应用上均存在一定的不足。

3、鉴于此，需要一种基于多模型融合的农业智能对话方法及系统。

技术实现思路

1、针对现有技术中大规模语言模型在农业专业领域以及非农业专业领域的应用上存在回答不够准确的问题，本发明提供了一种基于多模型融合的农业智能对话方法及系统，能够集成适应与农业领域精确程度的农业专用模型以及通用模型，使得对话不管是否包含农业领域专业知识，均可做出准确的回答。具体技术方案如下：

2、一种基于多模型融合的农业智能对话方法，包括以下步骤：

3、s1：将若干个大规模语言模型集成到一个统一的框架中，设计标准化的模型接口，对不同模型进行集成；

4、s2：构建农业专业词典，农业专业词典中包括农业领域的专业关键词或主题，通过农业专业词典中的关键词或主题与相应的模型进行匹配；

5、s3：定义并集成若干种提示风格，定义与每一种提示风格的关键词，获取用户提问之后，根据任务需求选择一种提示风格进行对话的输出，所述任务需求通过识别用户提问的关键词得出；

6、s4：将选定大规模语言模型基于选定提示风格生成的回复返回给用户。

7、优选的，所述大规模语言模型包括农业专用大模型和通用模型。

8、优选的，步骤s2具体如下：

9、构建农业专业词典，农业专业词典中包括农业领域的专业关键词或主题；

10、检测输入中是否包含农业专业词典的关键词；

11、检测输入中是否包含农业专业词典的主题；

12、如果检测到农业专业词典中包括的关键词或主题，则选用农业专用模型，否则选用通用模型。

13、优选的，农业专业词典中的关键词包括水稻种植、小麦轮组、白叶枯病、螟虫防治、土壤ph调节、有机肥施用、旱涝灾害应对、气候变化影响、农业补贴政策、市场行情分析；农业专业词典中的主题包括：作物种植、病虫害防治、土壤管理、农业气象、农业政策。

14、优选的，步骤s2具体如下：

15、构建农业专业词典，农业专业词典中包括农业领域的专业关键词或主题；

16、检测输入中是否包含农业专业词典的关键词，使用自然语言处理技术中的词性标注，将识别出来的农业专业词典中的关键词进行词性标注；

17、给每一个词性赋予权重；

18、如果检测到农业专业词典中包括的关键词，且关键词的词性大于设定的权重阈值时，选用农业专用模型，否则选用通用模型。

19、优选的，所述提示风格包括chain of thought(cot)、chain of commands(coc)和小样本学习风格。

20、优选的，还包括以下步骤：

21、采用语义压缩算法对对话上下文进行压缩。

22、一种基于多模型融合的农业智能对话系统，应用于如上所述的方法，包括：

23、交互层：负责与用户进行直接交互，接收用户输入并展示系统回复；

24、逻辑层：核心为`dialoguemanager`类，负责协调各模块工作，管理整个对话流程；

25、模型层：集成多个大规模语言模型，支持多模型融合和动态调用；

26、数据层：存储和提供系统所需的数据，包括农业专业词典、用户数据。

27、一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在程序运行时控制所述计算机可读存储介质所在设备执行如上所述的基于多模型融合的农业智能对话方法。

28、一种处理器，所述处理器用于运行程序，其中，程序运行时执行如上所述的基于多模型融合的农业智能对话方法。

29、与现有技术相比，本发明的有益效果为：

30、本发明将若干个大规模语言模型集成到一个统一的框架中，设计标准化的模型接口，对不同模型进行集成；然后构建农业专业词典，农业专业词典中包括农业领域的专业关键词或主题，通过农业专业词典中的关键词或主题与相应的模型进行匹配；之后定义并集成若干种提示风格，定义与每一种提示风格的关键词，获取用户提问之后，根据任务需求选择一种提示风格进行对话的输出，所述任务需求通过识别用户提问的关键词得出；最后将选定大规模语言模型基于选定提示风格生成的回复返回给用户。基于此，本发明可以使得对话不管是否包含农业领域专业知识，均可做出准确的回答，而且该准确的回答会通过匹配的提示风格进行输出。通过灵活选择模型和提示风格，实现了对不同农业对话场景的精准适配，同时通过上下文优化技术提高了多轮对话的连贯性和信息密度。

技术特征：

1.一种基于多模型融合的农业智能对话方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多模型融合的农业智能对话方法，其特征在于，所述大规模语言模型包括农业专用大模型和通用模型。

3.根据权利要求2所述的一种基于多模型融合的农业智能对话方法，其特征在于，步骤s2具体如下：

4.根据权利要求3所述的一种基于多模型融合的农业智能对话方法，其特征在于，农业专业词典中的关键词包括水稻种植、小麦轮组、白叶枯病、螟虫防治、土壤ph调节、有机肥施用、旱涝灾害应对、气候变化影响、农业补贴政策、市场行情分析；农业专业词典中的主题包括：作物种植、病虫害防治、土壤管理、农业气象、农业政策。

5.根据权利要求2所述的一种基于多模型融合的农业智能对话方法，其特征在于，步骤s2具体如下：

6.根据权利要求1所述的一种基于多模型融合的农业智能对话方法，其特征在于，所述提示风格包括chain of thought、chain of commands和小样本学习风格。

7.根据权利要求1所述的一种基于多模型融合的农业智能对话方法，其特征在于，还包括以下步骤：

8.一种基于多模型融合的农业智能对话系统，其特征在于，应用于权利要求1至6任一所述的方法，包括：

9.一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包括存储的程序，其中，在程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的基于多模型融合的农业智能对话方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，程序运行时执行权利要求1至7中任意一项所述的基于多模型融合的农业智能对话方法。

技术总结
本发明公开了一种基于多模型融合的农业智能对话方法及系统，涉及人工智能技术领域，解决了大规模语言模型在农业专业领域以及非农业专业领域的应用上存在回答不够准确的问题。本发明将若干个大规模语言模型集成到一个统一的框架中，然后构建农业专业词典，之后定义并集成若干种提示风格，定义与每一种提示风格的关键词，获取用户提问之后，根据任务需求选择一种提示风格进行对话的输出，最后将选定大规模语言模型基于选定提示风格生成的回复返回给用户。本发明通过灵活选择模型和提示风格，实现了对不同农业对话场景的精准适配，同时通过上下文优化技术提高了多轮对话的连贯性和信息密度。

技术研发人员：黄文娟,朱荻,凌兴辉
受保护的技术使用者：捷佳润科技集团股份有限公司
技术研发日：
技术公布日：2025/2/27