基于人工智能的问答方法、装置、电子设备及存储介质与流程

本申请涉及人工智能，具体而言，本申请涉及一种基于人工智能的问答方法、装置、电子设备及存储介质。

背景技术：

1、大模型通过对大量语言数据的训练，学会了如何理解、生成和翻译人类语言，它可以自动生成文章、回答问题、进行对话等。问答场景是大模型的重要应用场景之一，大模型可以被用于构建智能问答系统，例如智能客服系统，以提供更加便捷和有效的服务。

2、在目前的相关技术中，一般是直接将用户的会话（待答复的问题）输入一个大模型，由大模型输出答案。大模型在训练过程中会吸收大量语言数据，以学习语言的语法、语义等，但是由于训练数据的影响，大模型往往也会学习到一些错误、偏见或不准确的信息，从而导致大模型输出的答案并不准确，即大模型的幻觉问题。

技术实现思路

1、本申请实施例提供了一种基于人工智能的问答方法、装置、电子设备及存储介质，可以解决现有技术中大模型的幻觉问题。

2、所述技术方案如下：

3、根据本申请实施例的一个方面，提供了一种基于人工智能的问答方法，该方法包括：

4、获取待处理的知识图谱和待答复问题；

5、通过第一大模型基于所述待答复问题，确定所述待答复问题对应的问题特征；所述问题特征用于表征所述待答复问题对应的知识图谱三元组；

6、确定所述知识图谱中与所述待答复问题中的问题实体匹配的目标标准实体，并基于所述目标标准实体，确定所述待答复问题对应的多个候选答案路径；

7、通过第二大模型基于所述问题特征、所述待答复问题，以及所述多个候选答案路径，确定所述待答复问题对应的答案。

8、可选地，所述通过第二大模型基于所述问题特征、所述待答复问题，以及所述多个候选答案路径，确定所述待答复问题对应的答案，包括：

9、将所述问题特征、所述待答复问题，以及所述多个候选答案路径输入至所述第二大模型，通过所述第二大模型对多个所述候选答案路径进行筛选，得到针对所述待答复问题的目标答案路径；

10、基于所述目标答案路径和所述知识图谱，确定所述待答复问题对应的答案。

11、可选地，所述基于所述目标答案路径和所述知识图谱，确定所述待答复问题对应的答案，包括：

12、基于所述目标答案路径和所述知识图谱，确定所述目标答案路径对应的目标图谱答案；

13、将所述目标图谱答案和所述待答复问题输入至第三大模型，通过所述第三大模型对所述目标图谱答案进行优化，得到所述待答复问题对应的答案。

14、可选地，所述方法还包括：

15、确定预设领域对应的所述知识图谱；

16、所述确定所述知识图谱中与所述待答复问题中的问题实体匹配的目标标准实体，包括：

17、基于所述预设领域对应的领域词典，确定所述知识图谱中与所述待答复问题中的问题实体匹配的目标标准实体。

18、可选地，所述领域词典是基于如下方式构建的：

19、基于所述知识图谱中的多个标准实体分别对应的多个标准名称，确定所述领域词典中的多个主词；

20、针对每个主词，确定所述主词对应的至少一个辅词；所述辅词为与所述主词语义相同的词语；

21、基于各个主词以及各个主词分别对应的至少一个辅词，构建所述领域词典。

22、可选地，所述基于预设的领域词典，确定所述知识图谱中与所述待答复问题中的问题实体匹配的目标标准实体，包括：

23、若所述问题实体的名称为所述领域词典中的任一主词，则将所述知识图谱中与所述问题实体的名称相同的标准实体作为所述目标标准实体；

24、若所述问题实体的名称为所述领域词典中的任一辅词，则确定所述问题实体对应的第一主词，并将所述知识图谱中与所述第一主词对应的标准实体作为所述目标标准实体；

25、若所述领域词典不包括所述问题实体的名称，则基于所述问题实体分别与所述知识图谱中各个标准实体之间的语义相似度，确定与所述问题实体匹配的目标标准实体。

26、可选地，所述基于所述目标标准实体，确定所述待答复问题对应的多个候选答案路径，包括：

27、确定所述知识图谱对应的至少一个预设路径模板；

28、以所述目标标准实体为中心，根据所述至少一个预设路径模板，从所述知识图谱中生成多个候选答案路径。

29、根据本申请实施例的另一个方面，提供了一种基于人工智能的问答装置，该装置包括：

30、数据获取模块，用于获取待处理的知识图谱和待答复问题；

31、特征提取模块，用于通过第一大模型基于所述待答复问题，确定所述待答复问题对应的问题特征；所述问题特征用于表征所述待答复问题对应的知识图谱三元组；

32、候选答案路径确定模块，用于确定所述知识图谱中与所述待答复问题中的问题实体匹配的目标标准实体，并基于所述目标标准实体，确定所述待答复问题对应的多个候选答案路径；

33、答案生成模块，用于通过第二大模型基于所述问题特征、所述待答复问题，以及所述多个候选答案路径，确定所述待答复问题对应的答案。

34、根据本申请实施例的另一个方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一种基于人工智能的问答方法的步骤。

35、根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种基于人工智能的问答方法的步骤。

36、本申请实施例提供的技术方案带来的有益效果是：

37、通过从知识图谱中确定待答复问题对应的多个候选答案路径，并通过大模型从多个候选答案路径中确定待答复问题对应的答案，通过结合知识图谱和大模型，在知识图谱包括的准确的信息的基础上，利用了大模型的语义理解能力确定问题的答案，提高了输出的答案的准确性。同时，通过将待答复问题的问题特征输入至大模型，使得大模型能够利用待答复问题的语义信息和结构化信息等多个维度的信息来回答问题，进一步提高了输出的答案的准确性。

38、进一步地，本申请实施例中利用大模型对待答复问题进行问题特征提取，相较于现有的基于深度学习的知识图谱的问答方法，无需对模型进行额外的训练，避免了在特定的应用场景中，因缺乏标注数据或者标注数据较少导致模型的抽取准确性较低的问题，保证了提取的问题特征的准确性，有利于提高后续问答的准确性；而且可以适用于不同的应用场景，提高了方法的通用性。

技术特征：

1.一种基于人工智能的问答方法，其特征在于，包括：

2.根据权利要求1所述的基于人工智能的问答方法，其特征在于，所述通过第二大模型基于所述问题特征、所述待答复问题，以及所述多个候选答案路径，确定所述待答复问题对应的答案，包括：

3.根据权利要求2所述的基于人工智能的问答方法，其特征在于，所述基于所述目标答案路径和所述知识图谱，确定所述待答复问题对应的答案，包括：

4.根据权利要求1所述的基于人工智能的问答方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的基于人工智能的问答方法，其特征在于，所述领域词典是基于如下方式构建的：

6.根据权利要求5所述的基于人工智能的问答方法，其特征在于，所述基于预设的领域词典，确定所述知识图谱中与所述待答复问题中的问题实体匹配的目标标准实体，包括：

7.根据权利要求1所述的基于人工智能的问答方法，其特征在于，所述基于所述目标标准实体，确定所述待答复问题对应的多个候选答案路径，包括：

8.一种基于人工智能的问答装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本申请实施例提供了一种基于人工智能的问答方法、装置、电子设备及存储介质，涉及人工智能技术领域。该方法包括：获取待处理的知识图谱和待答复问题；通过第一大模型基于待答复问题，确定待答复问题对应的问题特征；确定知识图谱中与待答复问题中的问题实体匹配的目标标准实体，并基于目标标准实体，确定待答复问题对应的多个候选答案路径；通过第二大模型基于问题特征、待答复问题，以及多个候选答案路径，确定待答复问题对应的答案。本申请实施例通过结合知识图谱和大模型，提高了输出的答案的准确性；可以适用于不同的应用场景，提高了方法的通用性。

技术研发人员：孙平平,王立冬,欧阳晔
受保护的技术使用者：亚信科技（中国）有限公司
技术研发日：
技术公布日：2024/3/21