CN120297415A 一种基于知识图谱的智能问答方法 （华北水利水电大学）

本发明提供了一种基于知识图谱的智能问2S1、获取多源异构数据和用户输入的自然语言的提S4、调用预设的大语言模型，并结合注意力机制对述语义相似度评分确定所述候选答案中的最优删除所述结构化数据表的冗余字段，并进行标准化命名格式过滤非结构化文本实体关系候选集中置信度小于预设阈值的实体将清洗后的结构化数据表和规范化非结构化实体关系对中的实体、属通过预设的冲突检测规则识别所述标准化语义三元组中的冲突三元系唯一性规则用于检测同一对实体在特定关系下是否存在多个矛盾客体，若检测到冲突，则根据预设优先级选择正确值；关系逻辑约束规则用于检测关系是否符合常识或领域规3将所述校验后的语义三元组导入图数据库，以构建所述初始的通过预训练的命名实体识别模型识别所述词汇序列中的目标实体，基于初步关系需求，将所述目标实体与所述初始的知识图谱中的节在所述初始的知识图谱中执行单跳查询，获取与目标实体直对查询结果进行置信度评估，并将所述查询结果确定为所述第一轮采用路径评分函数计算每条路径的综合得分，并按所述综合得分从对所述扩展后的多跳路径集合进行冗余剪枝、矛盾检测和证据融合，4其中，Rel_Confidence为路径中关系的置信度均值，所述知识图谱的统计权重；Sem_Similarity为路径语义与用户提问的余弦相似度；Path_7.根据权利要求6所述的基于知识图谱的智能问答方法，其特征在于，当路径长度>3将所述第一轮查询结果编码为结构化文本序列；或将所述推理路径和所调用预训练大语言模型GPT_4，采用单向注意力机制对所述结构化文本序列进行语义将语义相似度评分最高的对应的候选答案列表中的候选答案确定为所述最优知识图谱构建单元，用于获取多源异构数据和用户输入的5实体及初步关系需求，并基于所述初始的知识图谱和预设的单跳查询请求执行单跳查询，答案筛选单元，用于调用预设的大语言模型，并结合注意力机6[0002]随着大型语言模型(LLM)在对话问答、机器翻译及信息抽取等自然语言处理任务于模型训练过程中存在数据噪声，且缺少对外部实体关系与知识的有效引用，LLM易出现[0003]为缓解上述问题，知识图谱(KnowledgeGraph)作为结构化与语义化的外部知识据所述语义相似度评分确定所述候选答案中的最优答案；78[0024]基于初步关系需求，将所述目标实体与所述初始的知识[0029]根据初步关系需求筛选与目标实体直接关联的关系类型，生成初始候选路径集[0035]Score(P)=α·Rel_Confidence+β·Sem_Similarity+γ·Path_Length_始的知识图谱的统计权重；Sem_Similarity为路径语义与用户提问的余弦相似度；Path_述推理路径和所述关联证据进行语义匹配，得到候选答案列表及对应的语义相似度评分，9[0041]调用预训练大语言模型GPT_4，采用单向注意力机制对所述结构化文本序列进行[0042]将语义相似度评分最高的对应的候选答案列表中的候选答案确定为所述最优答[0047]知识图谱构建单元，用于获取多源异构数据和用户输入新后的知识图谱，并将所述更新后的知识图谱应用于第一轮查询单元和第二轮查询单元初始的知识图谱中执行动态路径搜索和多跳迭代查询，得到扩展的推理路径和关联证据；评分确定候选答案中的最优答案；[0117]基于初步关系需求，将所述目标实体与所述初始的知识序列)，例如使用基于词典或BERT的分词模型，最终得到预处理后的规范化文本及分词结进行微调；[0138]根据初步关系需求筛选与目标实体直接关联的关系类型，生成初始候选路径集[0149]Score(P)=α·Rel_Confidence+β·Sem_Similarity+γ·Path_Length_始的知识图谱的统计权重；Sem_Similarity为路径语义与用户提问的余弦相似度；Path_述推理路径和所述关联证据进行语义匹配，得到候选答案列表及对应的语义相似度评分，[0156]调用预训练大语言模型GPT_4，采用单向注意力机制对所述结构化文本序列进行[0157]将语义相似度评分最高的对应的候选答案列表中的候选答案确定为所述最优答[0171]S5.1通过实时监控问答流程中的未命中查询(如用户高频提问未被知识图谱覆[0174]对应上述方法，本实施例还提供了一种基于知识图谱的智能问答系统，如图3所[0175]知识图谱构建单元，用于获取多源异构数据和用户输入新后的知识图谱，并将所述更新后的知识图谱应用于第一轮查询单元和第二轮查询单元