一种智能客服问答系统回答生成方法、设备及存储介质与流程

本申请属于人工智能，具体而言涉及一种智能客服问答系统回答生成方法、设备及存储介质。

背景技术：

1、随着人工智能、大数据技术的飞速发展，以大语言模型为代表的新一代人工智能技术带来了革命性的突破。如何基于大语言模型对传统的产品和业务进行重构升级成为了一个火热的研究课题。

2、智能客服问答系统是自然语言处理最热门的应用方向之一，系统根据用户输入生成对应的回答以满足用户的需求，人类的自然语言表达方式多样性很大，传统的方法难以很好的应对。而大语言模型具有强大的涌现能力，对于自然语言具备通用的理解能力，跨领域能力和灵活性极高。然而，传统的智能客服问答系统意图理解精度、场景迁移灵活性不高，需要进行技术升级以提升客户体验。

3、因此，基于大语言模型的智能客服问答系统成为热点研究方向之一。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种智能客服问答系统回答生成方法、设备及存储介质，以解决现有智能客服问答系统整体准确率存在局限的问题。

2、本申请的第一方面，提供了一种智能客服问答系统回答生成方法，包括：

3、获取用户输入的文本信息；

4、将所述文本信息输入至创建的知识库中进行检索召回，确定与所述文本信息相匹配的知识库切片召回结果；

5、将所述文本信息以及所述知识库切片召回结果输入至大语言模型中，得到信息幻觉认知结果；

6、若所述信息幻觉认知结果指示存在幻觉，则不向用户反馈基于检索的问答；若所述信息幻觉认知结果指示不存在幻觉，则将所述文本信息以及所述知识库切片召回结果输入至大语言模型中，得到最终回答结果；

7、其中，所述大语言模型为预先采用信息幻觉认知对齐训练数据集对大语言模型进行微调训练得到，预先创建所述信息幻觉认知对齐训练数据集包括收集文本、知识库切片文本以及对应的信息幻觉认知结果，以识别文本和知识库切片文本涉及的信息是否存在给定的知识库中。

8、可选地，所述获取用户输入的文本信息包括：

9、获取用户输入的实时文本，获取历史会话记录；

10、将所述实时文本与所述历史会话记录进行拼接，得到文本信息。

11、可选地，所述将所述文本信息输入至创建的知识库中进行检索召回，确定与所述文本信息相匹配的知识库切片召回结果包括：

12、使用向量化模型对所述文本信息进行向量化，得到文本向量；

13、将所述文本向量输入至知识库进行检索召回，根据文本向量与知识库中知识库切片的向量相似度，取与文本向量相关度高的前n个知识库切片作为知识库切片召回结果。

14、可选地，所述信息幻觉认知对齐训练数据集使用大语言模型进行自动标注形式收集得到，或使用人工标注形式收集得到。

15、可选地，使用大语言模型进行自动标注形式收集得到所述信息幻觉认知对齐训练数据集包括：

16、收集输入样本，所述输入样本包括用户与系统交互的实际对话文本和知识库切片文本；

17、利用大语言模型对每个输入样本进行处理；读取实际对话文本以及知识库切片，预测该输入样本是否存在信息幻觉；

18、基于大语言模型的预测，自动生成标注结果；所述标注结果包括是否存在信息幻觉的结果信息以及幻觉信息内容。

19、6.根据权利要求5所述的回答生成方法，其特征在于，在所述基于大语言模型的预测，自动生成标注结果之后还包括：

20、获取对所述标注结果的人工修正数据；

21、将所述人工修正数据输入至大语言模型中，对所述大语言模型进行微调。

22、可选地，采用lora高效微调方法、全参数微调方法、prefix tuning微调方法中的任意一种对所述大语言模型进行微调训练。

23、可选地，在所述信息幻觉认知结果指示存在幻觉之后还包括：

24、基于预先设置的拒答话术生成回答结果，所述问答结果用于指示用户当前信息有误、和/或请求用户输入额外需求的信息。

25、本申请的第二方面，提供了一种智能客服问答系统，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任一种所述的智能客服问答系统回答生成方法。

26、本申请的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种所述的智能客服问答系统回答生成方法。

27、本申请所提供的智能客服问答系统回答生成方法，获取用户输入的文本信息；将所述文本信息输入至创建的知识库中进行检索召回，确定与所述文本信息相匹配的知识库切片召回结果；将所述文本信息以及所述知识库切片召回结果输入至大语言模型中，得到信息幻觉认知结果；若所述信息幻觉认知结果指示存在幻觉，则不向用户反馈基于检索的问答；若所述信息幻觉认知结果指示不存在幻觉，则将所述文本信息以及所述知识库切片召回结果输入至大语言模型中，得到最终回答结果。本申请在知识库召回结果基础上，使用大语言模型基于用户输入文本和知识库召回结果进行信息幻觉确认，并将确认结果传递给智能客服问答系统，输出最终的回复结果，该过程能够对关键实体要素信息是否正确进行识别校验，提高了整体准确率，从而提升智能客服问答系统的整体效果。

28、此外，本申请还提供了一种具有上述技术效果的智能客服问答系统以及计算机可读存储介质。

技术特征：

1.一种智能客服问答系统回答生成方法，其特征在于，包括：

2.根据权利要求1所述的回答生成方法，其特征在于，所述获取用户输入的文本信息包括：

3.根据权利要求2所述的回答生成方法，其特征在于，所述将所述文本信息输入至创建的知识库中进行检索召回，确定与所述文本信息相匹配的知识库切片召回结果包括：

4.根据权利要求2所述的回答生成方法，其特征在于，所述信息幻觉认知对齐训练数据集使用大语言模型进行自动标注形式收集得到，或使用人工标注形式收集得到。

5.根据权利要求4所述的回答生成方法，其特征在于，使用大语言模型进行自动标注形式收集得到所述信息幻觉认知对齐训练数据集包括：

6.根据权利要求5所述的回答生成方法，其特征在于，在所述基于大语言模型的预测，自动生成标注结果之后还包括：

7.根据权利要求1至6任一项所述的回答生成方法，其特征在于，采用lora高效微调方法、全参数微调方法、prefix tuning微调方法中的任意一种对所述大语言模型进行微调训练。

8.根据权利要求7所述的回答生成方法，其特征在于，在所述信息幻觉认知结果指示存在幻觉之后还包括：

9.一种智能客服问答系统，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现根据权利要求1-8任一项所述的智能客服问答系统回答生成方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1-8任一项所述的智能权利要求书zsp240501cn客服问答系统回答生成方法。

技术总结本申请涉及一种智能客服问答系统回答生成方法、设备及存储介质。属于人工智能技术领域。本申请获取用户输入的文本信息；将文本信息输入至创建的知识库中进行检索召回，确定与文本信息相匹配的知识库切片召回结果；将文本信息以及知识库切片召回结果输入至大语言模型中，得到信息幻觉认知结果；若信息幻觉认知结果指示存在幻觉，则不向用户反馈基于检索的问答；若信息幻觉认知结果指示不存在幻觉，则将文本信息以及所述知识库切片召回结果输入至大语言模型中，得到最终回答结果。本申请基于用户输入文本和知识库召回结果进行信息幻觉确认，并基于确认结果输出最终的回复结果，提高了整体准确率，从而提升智能客服问答系统的整体效果。技术研发人员：刘海波,王雷,施绪灏,曹宇慧,王仿受保护的技术使用者：北京智谱华章科技有限公司技术研发日：技术公布日：2025/1/6