多意图识别支持大模型QA问答方法及装置与流程

本申请涉及ai，具体而言，涉及一种多意图识别支持大模型qa问答方法及装置。

背景技术：

1、传统问答模型通常是基于机器学习或深度学习的方法构建的。在这些模型中，常见的做法是使用循环神经网络(rnn)或卷积神经网络(cnn)等结构，对问题和回答进行特征提取，将其转换成模型可理解的表示形式，如词嵌入向量。随后，模型通过大规模的问答对数据集进行训练，尝试最小化预测回答与实际回答之间的差异。然而，由于这些模型在处理问题时可能忽略整体语境，导致在理解问题意图上存在一定的缺陷，容易产生断章取义的问题。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本实施例实施例提供了一种多意图识别支持大模型qa问答方法及装置，以至少解决现有传统问答模型无法精准的实现问题本身想要模型回复的内容的技术问题。

2、根据本实施例实施例的一个方面，提供了一种多意图识别支持大模型qa问答方法，包括：响应于接收到用户输入的问题，对所述问题进行多意图识别，并将所述多意图识别出的意图添加到所述问题中；针所述多意图识别出的意图缩小关于所述问题的回答范围，并基于缩小后的所述回答范围确定最终问题意图；基于所述最终问题意图，生成所述问题的问题响应。

3、根据本实施例实施例的另一方面，还提供了一种多意图识别支持大模型qa问答装置，包括：识别模块，被配置为响应于接收到用户输入的问题，对所述问题进行多意图识别，并将所述多意图识别出的意图添加到所述问题中；确定模块，被配置为针所述多意图识别出的意图缩小关于所述问题的回答范围，并基于缩小后的所述回答范围确定最终问题意图；生成模块，被配置为基于所述最终问题意图，生成所述问题的问题响应。

4、在本实施例实施例中，响应于接收到用户输入的问题，对所述问题进行多意图识别，并将所述多意图识别出的意图添加到所述问题中；针所述多意图识别出的意图缩小关于所述问题的回答范围，并基于缩小后的所述回答范围确定最终问题意图；基于所述最终问题意图，生成所述问题的问题响应。通过上述方案，解决了现有传统问答模型无法精准的实现问题本身想要模型回复的内容的技术问题。

技术特征：

1.一种多意图识别支持大模型qa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，对所述问题进行多意图识别，包括：利用预先训练好的模型来对所述问题进行多意图识别，其中，所述模型是通过以下得到的：

3.根据权利要求2所述的方法，其特征在于，训练所述模型包括：

4.根据权利要求2所述的方法，其特征在于，所述模型对所述标签进行分类以确定最终问题意图，包括：

5.根据权利要求2所述的方法，其特征在于，所述样本数据包括已上线的qa问答对和对上线的qa问答对进行的意图标注。

6.根据权利要求2所述的方法，其特征在于，在得到切分后的词语组之后，所述方法还包括：在所述切分后的词语组中添加预设的标记，所述标记用于标识切分的方式。

7.根据权利要求2所述的方法，其特征在于，所述单意图被抽象化定义，以确定所述多意图，其中，所述多意图的个数能够动态调整并且能够通过修改所述标签来调整所述多意图的个数。

8.一种多意图识别支持大模型qa问答装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有程序，其特征在于，在所述程序运行时，使得计算机执行如权利要求1至7中任一项所述的方法。

技术总结
本申请提供了一种多意图识别支持大模型QA问答方法及装置，其中，该方法包括：响应于接收到用户输入的问题，对所述问题进行多意图识别，并将所述多意图识别出的意图添加到所述问题中；针所述多意图识别出的意图缩小关于所述问题的回答范围，并基于缩小后的所述回答范围确定最终问题意图；基于所述最终问题意图，生成所述问题的问题响应。本申请解决了现有传统问答模型无法精准的实现问题本身想要模型回复的内容的技术问题。

技术研发人员：纪智辉,李伟
受保护的技术使用者：世优（北京）科技有限公司
技术研发日：
技术公布日：2024/3/21