CN119415644A 知识问答方法、装置、设备及可读存储介质 （合肥讯飞数码科技有限公司）

使得知识问答过程中既能很好的利用知识文本2获取用户输入的问题文本，以及所述问题文本对应的摘要文本库从所述摘要文本库中确定目标摘要文本，所述目标摘要文本为所述摘要答案生成模型为通过训练得到的具备文本总结能力的大针对所述问题文本所属领域的每个知识文本，基于所述知识文本获取预配置的摘要文本生成prompt格式模板，所述摘要文本生成p将所述知识文本填充至所述摘要文本生成prompt格式模板中的所将所述摘要文本生成prompt输入摘要文本生成模型，得到所述摘对所述用户输入的问题文本进行同义扩写，得到扩写后的题文本的长度大于所述用户输入的问题文本基于所述扩写后的问题文本与所述摘要文本库中各个摘要将所述用户输入的问题文本输入第一文本扩写模型，得到所述第本问题文本对应的扩写后的问题文本为样本标签训练得到的神经网所述第二文本扩写模型为通过训练得到的具备文本扩写能力的大获取预配置的文本扩写prompt格式模板，所述文本扩写prompt格3将所述问题文本填充至所述文本扩写prompt格式模板中的所述问将所述文本扩写prompt输入摘要第二文本扩写模型，得到所述第针对所述摘要文本库中的每个摘要文本，计算所述摘要文本针对每个所述候选摘要文本，计算所述候选摘要文本与所述扩写后基于各个所述候选摘要文本与所述扩写后的问题文本的第二相似度摘要文本库中包括所述问题文本所属领域各知识文本对应的摘要文本，针对每个知识文文本为所述摘要文本库中与所述问题文本相似度满本对应的最终答案，所述答案生成模型为通过训练得到的具备文本总结能力的大语言模所述处理器，用于执行所述程序，实现如权利要求1至8中任一项4大语言模型+外挂知识库的方式旨在利用大语言模型的语言理解和生成能力，以及大规模所述答案生成模型为通过训练得到的具备文本总结能力的大5[0015]将所述知识文本填充至所述摘要文本生成prompt格式模板中的所述知识文本槽述样本问题文本对应的扩写后的问题文本为样本标签训练得到的神经6摘要文本为所述摘要文本库中与所述问题文本相似度满足预设模型为通过训练得到的具备生成摘要文本的能力的大[0042]将所述知识文本填充至所述摘要文本生成prompt格式模板中的所述知识文本槽述样本问题文本对应的扩写后的问题文本为样本标签训练得到的神经7[0069]图4为本申请实施例公开的一种从摘要文本库中确定目标摘要文本的方式的流程8行向量化表示后得到问句的表示向量的长度与知识库中知识的表示向量的长度差距较大，还会出现检索出的知识文本可能会超过大语言模型可以处理的token数量的上限的情况，9本库中与所述问题文本相似度满足预设条件以及样本问题文本对应的答案标签对目前采用大语言模型外挂知识库的方式实现的知识述摘要文本生成prompt格式模板中包括摘要文本生成要求信息和知[0117]在本申请中，所述计算所述摘要文本与所述用户输入的户输入的问题文本输入双塔模型的QuestionTower，得到所述用户输入的问题文本的表示[0119]在本申请中，所述基于各个摘要文本与所述用户输入的本扩写prompt格式模板中的所述问题文本槽中，得到文本扩写prompt；将所述文本扩写[0138]如上述示例可以很明显的看出，扩写后的问题文本相对[0139]S402：基于所述扩写后的问题文本与所述摘要文本库中[0140]具体的，基于所述扩写后的问题文本与所述摘要文本库中各个摘要文本的相似标摘要文本为所述摘要文本库中与所述问题文本相似度满足预设条件模型为通过训练得到的具备生成摘要文本的能力的大[0160]将所述知识文本填充至所述摘要文本生成prompt格式模板中的所述知识文本槽述样本问题文本对应的扩写后的问题文本为样本标签训练得到的神经[0180]处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(Application所述答案生成模型为通过训练得到的具备文本总结能力的大所述答案生成模型为通过训练得到的具备文本总结能力的大[0194]对