CN120296140A 面向企业级日程规划与知识库的智能协同问答系统及方法 （江苏省工业互联网发展研究中心）

路501号江苏省工业互联网发展研究面向企业级日程规划与知识库的智能协同本发明涉及用于自然语言处理或语义处理过上下文融合模块将初步答案与任务处理结果2RAG知识库模块，用于基于所述第一语义向量在向量数据库中检索与其语义相关的第大语言模型核心模块，用于接收所述用户的自然语言输入与多智能体协作模块，用于在识别出所述用户的自然语言上下文融合模块，用于接收所述初步答案与所述任务处理2.根据权利要求1所述的面向企业级日程规划与知识库的智能协同问答系统，其特征在将预先存储的企业知识数据转换为第二语义向量之前，对所述第一语义向量与所述初步第二语义向量分别进行向量归一量用于供RAG知识库模块在向量数据库中检索与所述第一语义向量语义相关的第二语义向3.根据权利要求2所述的面向企业级日程规划与知识库的智能协同问答系统，其特征提取所述初步第二语义向量所对应的企业知识数据的生成时间，并将基于所述第一语义向量的上下文中涉及的时间表达内容，计算其隐含时态向量表示，若评估结果表明两者在时态上存在显著不一致，则调整所述将调整后的时态第二语义向量作为调优后的4.根据权利要求1所述的面向企业级日程规划与知识库的智能协同问答系统，其特征3基于所述大语言模型核心模块识别出的用户自然语言输入中对所述任务图中的各个任务节点进行语义解析，提取每个子任务对应的目标操作类将所述任务描述对象输入任务调度引擎，依据任务图中的依赖关系收集所述功能智能体返回的任务执行结果，并将所有任务5.根据权利要求4所述的面向企业级日程规划与知识库的智能协同问答系统，其特征在所述任务调度引擎调度任务节点至所述功能智能体之前，构建全局上下文状态对在并发调度多个任务节点的过程中，将所述全局上下文状态在接收所述功能智能体的任务执行结果后，基于每个功能智能在构建所述任务处理结果集合时，依据各任务执行结果中的置6.根据权利要求1所述的面向企业级日程规划与知识库的智能协同问答系统，其特征对所述初步答案与所述任务处理结果分别执行语义结构抽取基于所述语义结构表示对象之间的匹配关系，调用语义结构制包括基于上下文语义优先级重写所述初步答案或所述任务处理结果中的存在冲突的内基于重写后的语义结构，执行语义主导顺序判定，按照用户自然语47.根据权利要求6所述的面向企业级日程规划与知识库的智能协同问答系统，其特征提取所述用户的自然语言输入中涉及的语义主线关键词、目标行为类根据所述融合引导向量的语义类型与所述融合后文本结构的将所述融合后文本结构与所选语言生成模板进行位置映射绑将填充后的模板文本结构作为融合后的文本结构，输入发送至所述大接收用户的自然语言输入，并通过向量化处理步骤，将所述用户的基于所述第一语义向量，在向量数据库中检索与所述第一语将所述用户的自然语言输入与所述企业知识片段输入至大语言模型，在识别结果指示所述用户的自然语言输入包含日程类操作请求接收所述初步答案与所述任务处理结果，并基于语义结构一致性策略对将上下文融合后的内容再次输入至大语言模型，生成综合答复，5RAG知识库模块，用于基于所述第一语义向量在向量数据库中检索与其语义相关大语言模型核心模块，用于接收所述用户的自然语言输入与所述企业知识片段，6统系统中知识应答与实际操作结果相互割裂的问题，增强了结果的整体一致性与实用性。[0008]图1是本申请第一实施例提供的一种面向企业级日程规划与知识库的智能协同问[0009]图2是本申请第二实施例提供的一种面向企业级日程规划与知识库的智能协同问[0011]本申请第一实施例提供一种面向企业级日程规划与知识库的智能协同问答系种面向企业级日程规划与知识库的智能协同问答进[0012]所述面向企业级日程规划与知识库的智能协同问答系统包括向量化处理模块[0014]向量化处理模块101用于实现面向企业级日程规划与知识库的智能协同问答系统[0015]在用户交互层接收到自然语言输入之后，向量化处理模块101首先对该输入执行嵌入模型中。该模型可以为开源或自研的预训练语言模型，例如基于Transformer架构的7[0016]对于企业知识数据的处理路径，向量化处理模块101会在系统部署阶段或数据更相同类型的语义嵌入模型中进行编码。所生成的第二语义向量用于构建与维护面向RAG知[0018]为保证两类向量具备可比性，向量化处理模块101所用的嵌入模型参数应保持一续的知识检索与任务识别。8义向量用于供RAG知识库模块在向量数据库中检索与所述第一语义向量语义相关的第二语9戳通常以UNIX时间格式或ISO标准格式表示，并由嵌入模型通过时间嵌入机制映射为向量字段拼接向量化等方式。每个字段值转换为低维或中维向量后，模块将这些片段按固定顺使用与第一语义向量完全相同的嵌入模型进行处理，以确保生成结果在语义空间中同构，避免因模型差异造成的嵌入偏移。的语义接近程度。余弦相似度计算公式为第一向量与第二向量的点积除以各自的模长乘[0034]调优操作一般包括但不限于以下策略：一是对结构化数据的嵌入字段进行重加言文档截取更具代表性的段落重做嵌入，例如优先提取包含时间表达或命令型语句的部入模型更关注问题实体与文档中关键内容之间的对齐将调整后的时态第二语义向量作为调优后的处理模块发现第一语义向量与初步第二语义向量之间的语义一致性指标低于预设阈值时，[0039]首先，系统需要对初步第二语义向量所对应的企业知识数据进行时间信息提[0041]其次，系统需要对第一语义向量所代表的用户输入内容进行时间语义识别与建意力机制更聚焦于文档中时间相关段落或语句。上下文位置索引可以基于文档结构层级，[0047]RAG知识库模块102用于实现面向企业级日程规划与知识库的智能协同问答系统块102首先通过调用向量相似度检索算法，如基于内积、余弦相似度或欧几里得距离等方[0051]RAG知识库模块102所输出的企业知识片段必须保留与原始企业知识数据的关联[0055]大语言模型核心模块103，用于接收所述用户的自然语言输入与所述企业知识片其中，所述大语言模型核心模块103还用于接收上下文融合的结果，生成综合答[0056]大语言模型核心模块103是面向企业级日程规划与知识库的智能协同问答系统中[0057]在系统运行过程中，大语言模型核心模块103首先接收来自用户的自然语言输入[0060]一旦判断出用户请求中包含日程类操作请求，大语言模型核心模块103将不再直[0061]在多智能体协作模块104完成任务执行并返回日程处理结果后，大语言模型核心[0064]多智能体协作模块104，用于在识别出所述用户的自然语言输入包含日程类操作[0065]多智能体协作模块104是面向企业级日程规划与知识库的智能协同问答系统中用于处理日程类操作请求的关键功能模块，其主要作用是在大语言模型核心模块103识别出求进一步拆解为一个或多个子任务，并将各个子任务有序调度至对应的功能智能体执行，模块103对用户的自然语言输入完成语义理解和任务解析之后，若判断该输入属于或包含据预设的任务调度规则或动态任务映射机制，将该请求拆解为一个或多个逻辑子任务，如[0068]多智能体协作模块104还需具备任务状态监听与回调机制，能够在各功能智能体[0069]为了支持任务流程的可追溯性与可审计性，多智能体协作模块104还需将每一次[0070]综上所述，多智能体协作模块104不仅承担了将语言理解结果转化为可执行操作基于所述大语言模型核心模块识别出的用户自然语言输入中的日程类操作请求，后续上下文融合模块提供完整一致的操作执行信息议资源平台等并执行所述任务节点对应的具体操作。[0077]所有任务节点在执行完成后，各功能智能体会返回标准然语言输入构建一个全局上下文状态对象。该对象是一个可被多个子任务共享的状态容性，确保因高置信度结果被选中而导致的下游任务路径变化可以被及时重组和重新排序，以保证整个任务处理结果集合在结构上具备逻辑完整[0087]Y;表示第i个任务执行结果与其对应的任务描述对象之间的语义结构匹配度评[0088]R;表示第i个功能智能体在当前加载全局上下文状态对象下的上下文适应指[0092]M;表示第i个任务执行结果与用户自然语言输入所提主线意图之间的语义主线与用户输入解析后生成的意图向量之间的加权余弦相似度计算，越接近1表示该任务紧[0093]表示语义主线偏离指数因子，用于放大主线一致性不足时对置信度的惩罚影会同时触发知识型查询与日程类操作两个流程。大语言模型核心模块首先解析出用户的语体执行。下文适应指数R;=92%。致性得分M;=0.93。[0106]上下文融合模块105是面向企业级日程规划与知识库的智能协同问答系统中用于[0107]该模块工作的前提是，系统在运行过程中已由大语言模型核心模块103生成了初模块103在任务解析中识别出用户的自然语言输入包含日程类操作请求，则会经由多智能[0109]在具体实现上，上下文融合模块105可以通过设计Prompt模板或调用小规模语言帮我安排明天下午和王经理的会议，并告诉我去年他负责的产品销量”，初步答案可能是性，便于大语言模型核心模块103在生成综合答复时根据用户反馈进行语义纠偏或内容增解机制包括基于上下文语义优先级重写所述初步答案或所述任务处理结果中的存在冲突[0114]在系统运行中，当用户提出包含知识查询与操作请求的文本中提取出完整的句法结构树（例如通过依存句法分析器或Transformer中的中间注意述初步答案与所述任务处理结果是否可以在当前语境[0119]融合后的文本结构将作为最终Prompt输入交由大语言模根据所述融合引导向量的语义类型与所述融合后文本结构的内容标签匹配结果，模能力对各段内容进行微调与连贯