本申請涉及數(shù)據(jù)處理，更具體地，涉及一種基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法及系統(tǒng)。

背景技術(shù)：

1、知識圖譜(knowledge?graph，kg)是知識域可視化或知識領(lǐng)域映射地圖，是顯示知識發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系，把復(fù)雜的知識領(lǐng)域通過數(shù)據(jù)挖掘、信息處理、知識計(jì)量和圖形繪制而顯示出來，隨著人工智能技術(shù)發(fā)展，目前在高維度知識管理領(lǐng)域具有廣泛的應(yīng)用前景。

2、現(xiàn)有的技術(shù)雖然能夠生成高質(zhì)量的語言模型，但由于語言的復(fù)雜性和多樣性，現(xiàn)有的大模型往往無法準(zhǔn)確地理解用戶的意圖，導(dǎo)致檢索結(jié)果的相關(guān)性不高。并且由于其基于自回歸生成方式，大語言模型往往受到上下文信息有限和長距離依賴問題的制約，對復(fù)雜問題的語義背景和上下文理解與人類意圖的偏差，導(dǎo)致推理效果不佳，產(chǎn)生幻覺現(xiàn)象和在專業(yè)細(xì)分領(lǐng)域超出知識邊界的實(shí)際問題。因此，如何將知識圖譜與大模型相結(jié)合，使大模型能夠更好的理解用戶的意圖，以提升回答準(zhǔn)確度，成為本領(lǐng)域亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中大模型對用戶問題的回答準(zhǔn)確度低的問題，包括：

2、獲取文本數(shù)據(jù)集，對文本數(shù)據(jù)集進(jìn)行預(yù)處理，提取文本數(shù)據(jù)集中的實(shí)體和關(guān)系；

3、根據(jù)文本數(shù)據(jù)集中的實(shí)體和關(guān)系建立實(shí)體連接圖，對實(shí)體連接圖的實(shí)體節(jié)點(diǎn)進(jìn)行融合處理，根據(jù)融合處理后的實(shí)體節(jié)點(diǎn)及關(guān)系創(chuàng)建知識圖譜；

4、獲取用戶的查詢問題，根據(jù)用戶的查詢問題確定用戶的查詢問題的匹配節(jié)點(diǎn)；

5、根據(jù)用戶的查詢問題識別用戶的問題意圖，根據(jù)用戶的問題意圖及與用戶查詢問題對應(yīng)的匹配節(jié)點(diǎn)確定prompt模板，將prompt模板輸入大模型，得到用戶查詢問題的可信回答。

6、進(jìn)一步地，所述對文本數(shù)據(jù)集進(jìn)行預(yù)處理，提取文本數(shù)據(jù)集中的實(shí)體和關(guān)系，包括：

7、根據(jù)預(yù)設(shè)分詞算法對文本數(shù)據(jù)集進(jìn)行分詞，對分詞后的文本數(shù)據(jù)集進(jìn)行向量化處理；

8、創(chuàng)建實(shí)體關(guān)系提取模型，基于實(shí)體關(guān)系提取模型提取向量化處理后文本數(shù)據(jù)的實(shí)體和關(guān)系。

9、進(jìn)一步地，所述根據(jù)文本數(shù)據(jù)集中的實(shí)體和關(guān)系建立實(shí)體連接圖，包括：

10、基于k均值聚類算法對文本數(shù)據(jù)的實(shí)體進(jìn)行聚類，跟據(jù)聚類結(jié)果確定實(shí)體對應(yīng)的分區(qū)，將各分區(qū)內(nèi)的實(shí)體作為節(jié)點(diǎn)并進(jìn)行連接，得到實(shí)體連接圖。

11、進(jìn)一步地，所述基于k均值聚類算法對文本數(shù)據(jù)的實(shí)體進(jìn)行聚類，包括：

12、對文本數(shù)據(jù)的實(shí)體信息進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的實(shí)體信息建立實(shí)體信息數(shù)據(jù)集，隨機(jī)選取實(shí)體信息數(shù)據(jù)集的k個初始聚類中心；

13、計(jì)算實(shí)體信息數(shù)據(jù)集中的實(shí)體信息到初始聚類中心的歐氏距離，根據(jù)實(shí)體信息數(shù)據(jù)集中的實(shí)體信息到初始聚類中心的歐氏距離將實(shí)體信息劃分到對應(yīng)的分區(qū)；

14、計(jì)算各分區(qū)內(nèi)實(shí)體信息的平均值，根據(jù)各分區(qū)內(nèi)實(shí)體信息的平均值重新計(jì)算聚類中心；

15、重復(fù)迭代上述步驟，直至聚類中心不再發(fā)生變化或迭代次數(shù)達(dá)到最大迭代次數(shù)，得到k個最終聚類中心。

16、進(jìn)一步地，所述對實(shí)體連接圖的實(shí)體節(jié)點(diǎn)進(jìn)行融合處理，包括：

17、計(jì)算實(shí)體連接圖中各實(shí)體節(jié)點(diǎn)的度數(shù)，根據(jù)實(shí)體連接圖中各實(shí)體節(jié)點(diǎn)的度數(shù)篩選出度數(shù)超出第一預(yù)設(shè)閾值的實(shí)體節(jié)點(diǎn)；

18、將度數(shù)超出第一預(yù)設(shè)閾值的實(shí)體節(jié)點(diǎn)設(shè)定為中心節(jié)點(diǎn)，獲取中心節(jié)點(diǎn)的連通分量，計(jì)算連通分量中各實(shí)體節(jié)點(diǎn)的可連接度，將可連接度大于第二預(yù)設(shè)閾值的實(shí)體節(jié)點(diǎn)與中心節(jié)點(diǎn)融合；

19、將可連接度小于或等于第二預(yù)設(shè)閾值的節(jié)點(diǎn)與中心節(jié)點(diǎn)連接，對實(shí)體節(jié)點(diǎn)進(jìn)行融合。

20、進(jìn)一步地，所述計(jì)算連通分量中各實(shí)體節(jié)點(diǎn)的可連接度，包括：

21、計(jì)算連通分量中的待連接實(shí)體節(jié)點(diǎn)與中心實(shí)體節(jié)點(diǎn)之間的余弦相似度，根據(jù)可連接度計(jì)算公式計(jì)算實(shí)體節(jié)點(diǎn)的可連接度，所述可連接度計(jì)算公式具體為，

22、

23、其中，p為實(shí)體節(jié)點(diǎn)的可連接度，d為實(shí)體節(jié)點(diǎn)的度數(shù)，α為實(shí)體節(jié)點(diǎn)的度數(shù)對應(yīng)的第一權(quán)重值，s為待連接實(shí)體節(jié)點(diǎn)與中心實(shí)體節(jié)點(diǎn)之間的余弦相似度，β為待連接實(shí)體節(jié)點(diǎn)與中心實(shí)體節(jié)點(diǎn)之間的余弦相似度對應(yīng)的第二權(quán)重值。

24、進(jìn)一步地，所述根據(jù)用戶的查詢問題確定用戶的查詢問題的匹配節(jié)點(diǎn)，包括：

25、獲取用戶的查詢問題，對查詢問題進(jìn)行分詞處理，得到用戶問題分詞；

26、建立用戶問題知識庫，根據(jù)用戶問題分詞在用戶問題知識庫中出現(xiàn)的頻數(shù)確定用戶問題的所屬領(lǐng)域；

27、建立領(lǐng)域知識庫，所屬領(lǐng)域知識庫中存儲有領(lǐng)域關(guān)鍵詞及對應(yīng)的同義詞列表，將用戶問題分詞與領(lǐng)域知識庫相匹配，得到用戶問題分詞對應(yīng)的同義詞列表；

28、將用戶問題分詞對應(yīng)的同義詞列表作為用戶問題補(bǔ)遺，根據(jù)用戶問題分詞及用戶問題補(bǔ)遺得到用戶問題關(guān)鍵詞，根據(jù)用戶問題關(guān)鍵詞確定對應(yīng)的匹配節(jié)點(diǎn)。

29、進(jìn)一步地，所述根據(jù)用戶問題關(guān)鍵詞確定對應(yīng)的匹配節(jié)點(diǎn)，包括：

30、計(jì)算用戶問題關(guān)鍵詞與知識圖譜中實(shí)體節(jié)點(diǎn)的余弦相似度，將知識圖譜中余弦相似度大于第三預(yù)設(shè)閾值的實(shí)體節(jié)點(diǎn)作為用戶問題關(guān)鍵詞的匹配節(jié)點(diǎn)。

31、進(jìn)一步地，所述根據(jù)用戶的查詢問題識別用戶的問題意圖，根據(jù)用戶的問題意圖及與用戶查詢問題對應(yīng)的匹配節(jié)點(diǎn)確定prompt模板，包括：

32、根據(jù)用戶問題關(guān)鍵詞確定用戶的問題意圖，根據(jù)用戶的問題意圖設(shè)定prompt模板，在prompt模板中設(shè)定占位符；

33、獲取知識圖譜中用戶問題關(guān)鍵詞的匹配節(jié)點(diǎn)，將匹配節(jié)點(diǎn)及匹配節(jié)點(diǎn)之間的關(guān)系輸入對應(yīng)的占位符，得到prompt模板。

34、為了實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)系統(tǒng)，包括：

35、第一模塊，用于獲取文本數(shù)據(jù)集，對文本數(shù)據(jù)集進(jìn)行預(yù)處理，提取文本數(shù)據(jù)集中的實(shí)體和關(guān)系；

36、第二模塊，用于根據(jù)文本數(shù)據(jù)集中的實(shí)體和關(guān)系建立實(shí)體連接圖，對實(shí)體連接圖的實(shí)體節(jié)點(diǎn)進(jìn)行融合處理，根據(jù)融合處理后的實(shí)體節(jié)點(diǎn)及關(guān)系創(chuàng)建知識圖譜；

37、第三模塊，用于獲取用戶的查詢問題，根據(jù)用戶的查詢問題確定用戶的查詢問題的匹配節(jié)點(diǎn)；

38、第四模塊，用于根據(jù)用戶的查詢問題識別用戶的問題意圖，根據(jù)用戶的問題意圖及與用戶查詢問題對應(yīng)的匹配節(jié)點(diǎn)確定prompt模板，將prompt模板輸入大模型，得到用戶查詢問題的可信回答。

39、本發(fā)明的有益效果在于：

40、通過應(yīng)用上述技術(shù)方案，本發(fā)明通過對文本數(shù)據(jù)集構(gòu)建知識圖譜，將知識圖譜與大模型相結(jié)合，能夠更深入地理解用戶提出的問題或需求，從而提供更準(zhǔn)確、有針對性的答案或建議，同時基于用戶的問題意圖建立prompt模板，使得生成的prompt更具專業(yè)性和權(quán)威性，滿足用戶對高質(zhì)量信息的需求，有效提升了大模型對用戶問題的回答準(zhǔn)確度。

技術(shù)特征：

1.一種基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述對文本數(shù)據(jù)集進(jìn)行預(yù)處理，提取文本數(shù)據(jù)集中的實(shí)體和關(guān)系，包括：

3.根據(jù)權(quán)利要求2所述的基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述根據(jù)文本數(shù)據(jù)集中的實(shí)體和關(guān)系建立實(shí)體連接圖，包括：

4.根據(jù)權(quán)利要求3所述的基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述基于k均值聚類算法對文本數(shù)據(jù)的實(shí)體進(jìn)行聚類，包括：

5.根據(jù)權(quán)利要求4所述的基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述對實(shí)體連接圖的實(shí)體節(jié)點(diǎn)進(jìn)行融合處理，包括：

6.根據(jù)權(quán)利要求5所述的基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述計(jì)算連通分量中各實(shí)體節(jié)點(diǎn)的可連接度，包括：

7.根據(jù)權(quán)利要求1所述的基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述根據(jù)用戶的查詢問題確定用戶的查詢問題的匹配節(jié)點(diǎn)，包括：

8.根據(jù)權(quán)利要求7所述的基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述根據(jù)用戶問題關(guān)鍵詞確定對應(yīng)的匹配節(jié)點(diǎn)，包括：

9.根據(jù)權(quán)利要求8所述的基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法，其特征在于，所述根據(jù)用戶的查詢問題識別用戶的問題意圖，根據(jù)用戶的問題意圖及與用戶查詢問題對應(yīng)的匹配節(jié)點(diǎn)確定prompt模板，包括：

10.一種基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，具體公開了一種基于知識圖譜的大模型回答準(zhǔn)確度增強(qiáng)方法及系統(tǒng)，所述方法包括：獲取文本數(shù)據(jù)集，對文本數(shù)據(jù)集進(jìn)行預(yù)處理，提取文本數(shù)據(jù)集中的實(shí)體和關(guān)系；根據(jù)文本數(shù)據(jù)集中的實(shí)體和關(guān)系建立實(shí)體連接圖，對實(shí)體連接圖的實(shí)體節(jié)點(diǎn)進(jìn)行融合處理，根據(jù)融合處理后的實(shí)體節(jié)點(diǎn)及關(guān)系創(chuàng)建知識圖譜；獲取用戶的查詢問題，根據(jù)用戶的查詢問題確定用戶的查詢問題的匹配節(jié)點(diǎn)；根據(jù)用戶的查詢問題識別用戶的問題意圖，根據(jù)用戶的問題意圖及與用戶查詢問題對應(yīng)的匹配節(jié)點(diǎn)確定prompt模板，將prompt模板輸入大模型，得到用戶查詢問題的可信回答。本發(fā)明基于知識圖譜對文本數(shù)據(jù)集進(jìn)行匹配，有效提升了大模型對用戶問題的回答準(zhǔn)確度。

技術(shù)研發(fā)人員：邵為濤,張娜,張利東,張志勇,張悅旸,李冬冬,胡敏
受保護(hù)的技術(shù)使用者：北京中科睿途科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9