本技术涉及自然语言处理,尤其涉及一种多轮知识问答方法、服务器及介质。
背景技术:
1、随着人工智能技术在各行各业的广泛应用,机器人客服变得越来越普及,例如保险行业的智能问答机器人。
2、以车险承保为例,当前车险承保涉及到很多重要环节,例如批改、验车验证、实名制、单证等,每个环节都有很多规则或者知识,这些规则或知识往往以文件或知识库的形式预先存储在服务器中。客户在询问车险承保的相关问题时,可以通过语音的方式将相关问题输入至智能问答机器人,智能问答机器人可以将该问题上传至服务器,服务器从知识库中查找该问题对应的答案,并将答案输出给智能问答机器人,智能问答机器人可以通过语音的方式将答案输出给客户。但是,现有的知识问答方法只能较好的支持单轮的知识问答,当客户进行多轮的知识问答时,由于客户输入的问题有时比较简略,服务器通常不能完整的领会客户的意图,导致输出的答案与客户期望的相差甚远,知识问答的准确性差,服务质量不高,降低了客户的使用体验。
3、因此,需要一种能够提高知识问答准确性的多轮知识问答方案。
技术实现思路
1、本技术提供一种多轮知识问答方法、服务器及介质,用以解决现有的知识问答方法在进行多轮知识问答时准确性差,降低了客户的使用体验的技术问题。
2、第一方面,本技术提供一种多轮知识问答方法,包括:
3、获取用户输入的第n轮对话的问题;
4、根据训练好的大模型对所述第n轮对话的问题进行补全,以得到补全后的问题;
5、将所述补全后的问题输入至单轮问答模块中,以得到第n轮对话的答案,并将所述第n轮对话的答案输出给用户。
6、在一种可能的实施方式中,所述根据训练好的大模型对所述第n轮对话的问题进行补全,以得到补全后的问题,具体包括:
7、确定所述大模型对应的指令模板,所述指令模板包括问题补全方式;
8、根据所述大模型对应的指令模板以及所述第n轮对话的问题,生成对应的第一交互指令,所述第一交互指令用于指示所述大模型根据所述问题补全方式以及所述用户的历史问题,对所述第n轮对话的问题进行补全;
9、将所述第一交互指令输入至训练好的大模型中,以得到补全后的问题。
10、在一种可能的实施方式中,所述根据训练好的大模型对所述第n轮对话的问题进行补全,以得到补全后的问题,具体包括:
11、获取所述用户输入的第n轮对话的前m轮对话的问题;
12、确定所述大模型对应的指令模板,所述指令模板包括问题补全方式;
13、根据所述大模型对应的指令模板、所述第n轮对话的问题以及所述前m轮对话的问题,生成对应的第二交互指令,所述第二交互指令用于指示所述大模型根据所述问题补全方式以及所述前m轮对话的问题,对所述第n轮对话的问题进行补全;
14、将所述第二交互指令输入至训练好的大模型中,以得到补全后的问题。
15、在一种可能的实施方式中,所述大模型包括:chatgpt模型、文言一心模型、讯飞星火模型、chatglm模型、llama模型中的一种。
16、在一种可能的实施方式中,所述单轮问答模块包括文本向量化模型以及faiss向量检索模块,所述将所述补全后的问题输入至单轮问答模块中,以得到第n轮对话的答案,具体包括:
17、利用文本向量化模型对所述补全后的问题进行向量化处理,以得到待检索向量;
18、将所述待检索向量输入至faiss向量检索模块中进行检索,以得到与所述待检索向量相似度最高的目标向量;
19、根据所述目标向量对应的答案,确定所述第n轮对话的答案。
20、在一种可能的实施方式中,在将所述第n轮对话的答案输出给用户之后,还包括:
21、向用户输出答案满意度选择提示信息;
22、若用户输入答案满意指示信息,则结束第n轮对话,开启下一轮对话;
23、若用户输入答案不满意指示信息,则向用户输出问题详细输入提示信息,以指示用户输入第n轮对话的详细问题;将用户输入的第n轮对话的详细问题,输入至单轮问答模块中,以得到第n轮对话的答案,并将所述第n轮对话的答案输出给用户。
24、在一种可能的实施方式中,所述方法还包括:
25、将所述第n轮对话的问题,以及用户输入的第n轮对话的详细问题,作为样本输入至所述大模型中,对所述大模型进行训练。
26、第二方面,本技术提供一种服务器,包括:
27、补全模块,用于获取用户输入的第n轮对话的问题;根据训练好的大模型对所述第n轮对话的问题进行补全,以得到补全后的问题;
28、输出模块,用于将所述补全后的问题输入至单轮问答模块中,以得到第n轮对话的答案,并将所述第n轮对话的答案输出给用户。
29、在一种可能的实施方式中,所述补全模块还用于:
30、确定所述大模型对应的指令模板,所述指令模板包括问题补全方式;
31、根据所述大模型对应的指令模板以及所述第n轮对话的问题,生成对应的第一交互指令,所述第一交互指令用于指示所述大模型根据所述问题补全方式以及所述用户的历史问题,对所述第n轮对话的问题进行补全;
32、将所述第一交互指令输入至训练好的大模型中,以得到补全后的问题。
33、在一种可能的实施方式中,所述补全模块还用于:
34、获取所述用户输入的第n轮对话的前m轮对话的问题;
35、确定所述大模型对应的指令模板,所述指令模板包括问题补全方式;
36、根据所述大模型对应的指令模板、所述第n轮对话的问题以及所述前m轮对话的问题,生成对应的第二交互指令,所述第二交互指令用于指示所述大模型根据所述问题补全方式以及所述前m轮对话的问题,对所述第n轮对话的问题进行补全;
37、将所述第二交互指令输入至训练好的大模型中,以得到补全后的问题。
38、第三方面,本技术提供另一种服务器,包括:处理器,以及与所述处理器通信连接的存储器;
39、所述存储器存储计算机执行指令;
40、所述处理器执行所述存储器存储的计算机执行指令,以实现上述的方法。
41、第四方面,本技术提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现上述的方法。
42、第五方面,本技术提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法。
43、本技术提供的多轮知识问答方法、服务器及介质,可以获取用户输入的第n轮对话的问题;根据训练好的大模型对第n轮对话的问题进行补全,以得到补全后的问题;将补全后的问题输入至单轮问答模块中,以得到第n轮对话的答案,并将第n轮对话的答案输出给用户。本技术的方法,在多轮知识问答过程中,可以利用大模型强大的上下文语义理解能力对用户输入的第n轮对话的问题进行补全,再将补全后的问题输入至单轮问答模块中进行知识库的检索,以得到第n轮对话的答案。通过这样的设置,可以在每一轮对话中借助大模型强大的上下文语义理解能力对用户的问题进行补全,使服务器能够完整而又准确地根据补全后的问题领会用户的意图,从而根据补全后的问题从知识库中搜索到用户所期望得到的答案,可以更好地处理多轮问答中上下文语义理解问题,提高了多轮知识问答的准确性,从而提升了用户的使用体验。