本发明涉及自然语言处理,尤其涉及一种意图识别和问答方法、装置、电子设备及存储介质。
背景技术:
1、目前存在以大语言模型(large language model,llm)为基础的知识问答系统,其中一类方法尝试首先利用llm对已有信息提取抽象特征生成向量表达,并存入数据库;之后利用llm对用户问题提取特征生成向量表达,通过向量召回的方式搜索数据库中与问题匹配的内容最后利用llm处理问题和搜索结果得到相应答案。
2、该方案存在以下问题:使用场景中用户问题格式多样,向量召回准确率下降;使用场景中用户提出跨主题问题,该方案召回内容与问题不匹配;复杂问题大模型推理过程与推理结论不匹配。
3、因此,如何提高复杂问题的回答准确率是目前亟待解决的技术问题。
技术实现思路
1、本发明提供了一种意图识别和问答方法、装置、电子设备及存储介质,以实现对复杂问题的准确回答,减少用户提问方式的限制,提高问答系统的鲁棒性。
2、根据本发明的一方面,提供了一种意图识别和问答方法,包括:
3、基于待回答问题对应的本地知识生成图结构数据,基于所述图结构数据构建本地知识库,并生成所述本地知识库的图结构信息;
4、根据所述图结构信息,通过大语言模型构建所述待回答问题对应的思维链;
5、基于所述思维链在所述本地知识库中执行图查询,得到所述待回答问题的回答结果。
6、根据本发明的另一方面,提供了一种意图识别和问答装置,包括:
7、知识库构建模块,用于基于待回答问题对应的本地知识生成图结构数据,基于所述图结构数据构建本地知识库,并生成所述本地知识库的图结构信息;
8、思维链确定模块,用于根据所述图结构信息,通过大语言模型构建所述待回答问题对应的思维链;
9、图查询模块,用于基于所述思维链在所述本地知识库中执行图查询,得到所述待回答问题的回答结果。
10、根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
11、至少一个处理器;以及
12、与所述至少一个处理器通信连接的存储器;其中,
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的意图识别和问答方法。
14、根据本发明的另一方面,提供了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指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的意图识别和问答方法。
15、本发明实施例的技术方案,通过待回答问题对应的本地知识生成图结构数据,基于图结构数据构建本地知识库,并生成本地知识库的图结构信息;根据图结构信息,通过大语言模型构建待回答问题对应的思维链;基于思维链在本地知识库中执行图查询,得到待回答问题的回答结果。解决了现有的知识问答系统,当用户问题格式多样时,向量召回准确率下降的问题;在用户提出跨主题问题,召回内容与问题不匹配的问题;以及,复杂问题大模型推理过程与推理结论不匹配的问题,实现了减少用户提问方式的限制,提高知识问答系统的鲁棒性,以及对复杂问题的理解与推理总结准确率。
16、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种意图识别和问答方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于待回答问题对应的本地知识生成图结构数据,基于所述图结构数据构建本地知识库,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述图结构信息,通过大语言模型构建所述待回答问题对应的思维链,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述图结构信息,通过大语言模型将所述待回答问题拆分为多个子问题,包括:
5.根据权利要求4所述的方法,其特征在于,所述针对每个所述子问题,根据所述图结构信息,通过大语言模型生成所述子问题对应的思维子链,包括:
6.根据权利要求5所述的方法,其特征在于,所述引导所述大语言模型,按照所述图结构信息,生成与所述子问题对应的思维子链,包括:
7.根据权利要求6所述的方法,其特征在于,所述基于所述思维链在所述本地知识库中执行图查询,得到所述待回答问题的回答结果,包括:
8.一种意图识别和问答装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的意图识别和问答方法。