一种基于大模型和知识库的问答方法及装置与流程
- 国知局
- 2024-10-09 15:42:40
本发明涉及机器学习,具体提供一种基于大模型和知识库的问答方法及装置。
背景技术:
1、智慧城市基层治理场景,基层群众在向网格员或者工作人员咨询问题时,由于群众问题多,网格员或者政府工作人员精力有限,回答群众问题时会不及时。
2、由于网格员岗位流动性较大,部分网格员会对规则不熟悉,回答群众问题时会不专业或者答不上来。传统人工智能在解决此类问题的过程中,由于不能理解自然语言,会出现“答非所问”、“不善解人意”问题。
技术实现思路
1、本发明是针对上述现有技术的不足,提供一种实用性强的基于大模型和知识库的问答方法。
2、本发明进一步的技术任务是提供一种设计合理,安全适用的基于大模型和知识库的问答装置。
3、本发明解决其技术问题所采用的技术方案是:
4、一种基于大模型和知识库的问答方法,包括知识库构建模块和智能问答模块;
5、所述知识库构建模块中,具有如下操作步骤:
6、(1-1)收集知识文档;
7、(1-2)上传知识文件,完成知识文件配置,将知识文件根据实际情况匹配到文件类型和业务类型;
8、(1-3)根据实际情况进行知识库的配置;
9、(1-4)完成基于知识库的向量库构建;
10、所述智能问答模块中,具有如下操作步骤:
11、(2-1)获取问题文本;
12、(2-2)获取用户位置;
13、(2-3)对问题文字进行语义分词,得到问题文字的特征词;
14、(2-4)根据用户位置,判断所属行政区划;
15、(2-5)根据特征词,知识库中的匹配规则文件;
16、(2-6)向用户反馈目标问题对应的目标答案。
17、进一步的,在步骤(1-1)中,在收集知识文件之前,需要根据项目所在地市,对业务进行分析,判断具体政策的文件类型和业务类型,根据具体业务分析字典值。
18、进一步的,在步骤(1-3)中,如果存在一地一政规则,将特殊的规则配置到所属一地一政行政区划,并配置为高优先级;
19、不属于一地一政的通用规则时,配置到行政区划的最高级节点,并配置为通用规则,高优先级要高于通用优先级。
20、进一步的,在步骤(1-4)中,基于自研向量切割算法,对知识库文件进行向量分割,完成基于知识库的向量库构建。
21、进一步的,在步骤(2-1)中,在获取问题文字之前,还包括:获取问题语音,并将问题语音转换为问题文本,获取问题图片,并将问题图片转换为问题文本,获取问题视频,并将问题视频转换为问题文本。
22、进一步的,在步骤(2-2)中,在获取用户所属行政区域之前,还包括:
23、获取用户所在地址位置,通过地理位置获取用户所在网格,通过所在网格获取用户所在行政区域,去判断所属行政区域是否有一地一政特殊情况,如果判断有一地一政特殊规则,检索到知识库中所有特殊规则的知识文件作为目标文件,如果没有一地一政特殊情况,则直接跳到步骤(2-4)。
24、进一步的,在步骤(2-3)中,通过深度学习方法训练历史词汇文本,得到用于确定词与词组合概率的语言统计模型;根据语言统计模型和领域词典对问题文字进行语义分词,得到问题文字中的特征词,所述领域词典包括通用词典和专业词典,所述专业词典内包括领域专业词。
25、进一步的,在步骤(2-4)中,根据用户位置,判断所属行政区划,根据行政区划去判断知识库中是否有一地一政的特殊规则。
26、进一步的,在步骤(2-5)中,根据特征词,知识库中的匹配规则文件,在问答知识库中检索与特征词相似度最高的问题作为目标问题,在问答知识库中检索存储问题及与问题对应的答案。
27、进一步的,在步骤(2-5)中,具体为:将特征词与问答知识库中的问题进行比对,根据比对结果确定与特征词重合度最高的问题作为与特征词相似度最高的目标问题。
28、一种基于大模型和知识库的问答装置,包括:至少一个存储器和至少一个处理器;
29、所述至少一个存储器,用于存储机器可读程序;
30、所述至少一个处理器,用于调用所述机器可读程序,执行一种基于大模型和知识库的问答方法。
31、本发明的一种基于大模型和知识库的问答方法及装置和现有技术相比,具有以下突出的有益效果:
32、本发明首先获取问题文字,然后对问题文字进行语义分词,得到问题文字中的特征词,再根据特征词在预设的问答知识库中检索与特征词相似度最高的目标问题,最后向用户反馈目标问题对应的目标答案,如此,将问答知识以问题和答案对应关联并存储于问答知识库中,并通过人工智能的技术替代或辅助客服解决用户提出的问题,减少基层治理应用场景中网格与投入,释放网格员的工作量,节省成本且提高居民服务满意度。
技术特征:1.一种基于大模型和知识库的问答方法,其特征在于,包括知识库构建模块和智能问答模块;
2.根据权利要求1所述的一种基于大模型和知识库的问答方法,其特征在于,在步骤(1-1)中,在收集知识文件之前,需要根据项目所在地市,对业务进行分析,判断具体政策的文件类型和业务类型,根据具体业务分析字典值。
3.根据权利要求2所述的一种基于大模型和知识库的问答方法,其特征在于,在步骤(1-3)中,如果存在一地一政规则,将特殊的规则配置到所属一地一政行政区划,并配置为高优先级;
4.根据权利要求3所述的一种基于大模型和知识库的问答方法,其特征在于,在步骤(1-4)中,基于自研向量切割算法,对知识库文件进行向量分割,完成基于知识库的向量库构建。
5.根据权利要求4所述的一种基于大模型和知识库的问答方法,其特征在于,在步骤(2-1)中,在获取问题文字之前,还包括:获取问题语音,并将问题语音转换为问题文本,获取问题图片,并将问题图片转换为问题文本,获取问题视频,并将问题视频转换为问题文本。
6.根据权利要求5所述的一种基于大模型和知识库的问答方法,其特征在于,在步骤(2-2)中,在获取用户所属行政区域之前,还包括:
7.根据权利要求6所述的一种基于大模型和知识库的问答方法,其特征在于,在步骤(2-3)中,通过深度学习方法训练历史词汇文本,得到用于确定词与词组合概率的语言统计模型;根据语言统计模型和领域词典对问题文字进行语义分词,得到问题文字中的特征词,所述领域词典包括通用词典和专业词典,所述专业词典内包括领域专业词。
8.根据权利要求7所述的一种基于大模型和知识库的问答方法,其特征在于,在步骤(2-4)中,根据用户位置,判断所属行政区划,根据行政区划去判断知识库中是否有一地一政的特殊规则。
9.根据权利要求8所述的一种基于大模型和知识库的问答方法,其特征在于,在步骤(2-5)中,根据特征词,知识库中的匹配规则文件,在问答知识库中检索与特征词相似度最高的问题作为目标问题,在问答知识库中检索存储问题及与问题对应的答案;
10.一种基于大模型和知识库的问答装置,其特征在于,包括:至少一个存储器和至少一个处理器;
技术总结本发明涉及机器学习技术领域,具体提供了一种基于大模型和知识库的问答方法及装置,包括知识库构建模块和智能问答模块;知识库构建模块中,收集知识文档;上传知识文件,完成知识文件配置,将知识文件根据实际情况匹配到文件类型和业务类型;根据实际情况进行知识库的配置;完成基于知识库的向量库构建;智能问答模块中,获取问题文本;获取用户位置;对问题文字进行语义分词,得到问题文字的特征词;根据用户位置,判断所属行政区划;根据特征词,知识库中的匹配规则文件;向用户反馈目标问题对应的目标答案。与现有技术相比,本发明能够减少基层治理应用场景中网格与投入,释放网格员的工作量,节省成本且提高居民服务满意度。技术研发人员:马城城,柴青,王洋,于越,刘如琛,付文慧受保护的技术使用者:浪潮智慧城市科技有限公司技术研发日:技术公布日:2024/9/26本文地址:https://www.jishuxx.com/zhuanli/20240929/309701.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表