一种基于意图层级分解的自适应检索策略选择方法及系统与流程

摘要: 本发明涉及智能信息检索,具体涉及一种基于意图层级分解的自适应检索策略选择方法及系统。背景技术:1、随着企业数字化转型进入深水区,智能问答系统和知识库检索已成为客...
一种基于意图层级分解的自适应检索策略选择方法及系统与流程

本发明涉及智能信息检索,具体涉及一种基于意图层级分解的自适应检索策略选择方法及系统。

背景技术:

1、随着企业数字化转型进入深水区,智能问答系统和知识库检索已成为客户服务、内部知识管理及决策支持等场景的核心支撑。当前,业界广泛采用的技术路线主要包括:基于深度语义编码的向量检索方案,其利用预训练语言模型将用户问题与知识文本映射至统一向量空间,通过计算向量相似度完成快速匹配;基于知识图谱的推理查询方案,其预先构建由实体、关系和属性构成的图网络,借助图遍历或规则引擎实现多跳关联分析;以及基于大型语言模型的生成式问答方案,其将检索到的上下文与问题拼接为提示模板,驱动模型直接产出自然语言答案。上述技术各有侧重,向量检索主攻浅层事实匹配,知识图谱擅长深层逻辑推理,大语言模型则聚焦于自然语言理解与生成。

2、虽然上述方案在各自适宜的场景中发挥了作用,但在实际的企业级复杂查询中,现有智能问答系统通常将单一技术作为固定的检索管道,这种孤立的部署模式仍存在以下显著缺陷:

3、1)缺乏针对复合意图的自适应解析能力,当用户查询同时包含简单事实核对、复杂逻辑推理及多重条件限定等复合意图时,现有系统无法对查询进行精细化的意图拆解与层级重构,往往将其视为一个整体进行单一模式的检索,导致部分意图被忽略或错误处理;

4、2)缺乏基于查询复杂度的动态策略调度机制,系统无法量化评估当前查询的实体数量和关系深度等复杂度指标,因而无法在向量检索、图谱推理等不同特性的策略间实现智能化的动态选择与路由,难以在响应速度与分析深度之间取得平衡;

5、3)缺乏兼顾效率与效果的协同检索架构,简单查询被迫走完重型推理流程造成资源浪费,复杂查询却因仅依赖轻量级语义匹配而丢失逻辑链条,系统无法根据查询的实际需求自动裁剪或组合不同的检索能力,导致无法在同一架构下同时满足低延迟快速响应与高精度深度推理的硬性要求。

6、上述缺陷共同导致现有智能问答系统难以在极低延迟约束下,同时实现简单查询的快速响应与复杂查询的深度推理。

技术实现思路

1、为了解决以上技术问题,本发明的目的在于,提供一种基于意图层级分解的自适应检索策略选择方法;本发明的目的还在于,提供一种基于意图层级分解的自适应检索策略选择系统。

2、本发明所解决的技术问题可以采用以下技术方案来实现:

3、一种基于意图层级分解的自适应检索策略选择方法,包括:

4、对用户输入的自然语言查询文本执行意图层级解析操作,得到意图层级树,所述意图层级树包含一个主意图、至少一个子意图以及至少一个约束条件;

5、基于所述意图层级树中的实体数量和关系深度计算复杂度得分,所述复杂度得分用于表征所述自然语言查询文本的检索难度;

6、将所述复杂度得分与预设复杂度阈值进行比较,并根据比较结果动态选择匹配检索需求的目标检索策略;

7、通过所述目标检索策略对所述自然语言查询文本执行检索操作,得到子意图对应的检索结果;

8、判断所述意图层级树中子意图的个数,当所述意图层级树中包含一个子意图时,将所述子意图对应的检索结果作为最终检索结果;当所述意图层级树中包含多个子意图时,对各个所述子意图对应的检索结果执行检索路径拼接操作,得到最终检索结果。

9、优选地,所述对用户输入的自然语言查询文本执行意图层级解析操作,得到意图层级树,具体包括:

10、通过预训练的bert意图分类模型对所述自然语言查询文本进行编码与分类运算,得到各候选主意图对应的概率数值集合,并选取概率最高的候选主意图作为最终的主意图;

11、通过依存句法分析模型对所述自然语言查询文本进行句法分解,得到子意图;

12、通过命名实体识别与规则匹配算法对所述自然语言查询文本进行实体与约束抽取,得到约束条件;

13、将所述主意图作为根节点,将所述子意图作为所述根节点的子节点,将所述约束条件作为叶子节点,以构建所述意图层级树。

14、优选地,所述主意图、所述子意图以及所述约束条件分别对应预设的三层类型体系,各层类型体系支持通过配置文件进行动态扩展。

15、优选地,所述将所述复杂度得分与预设复杂度阈值进行比较,并根据比较结果动态选择匹配检索需求的目标检索策略,具体包括:

16、将所述复杂度得分与预设复杂度阈值进行比较,

17、若所述复杂度得分小于所述预设复杂度阈值,选择向量检索策略作为目标检索策略,

18、若所述复杂度得分大于或等于所述预设复杂度阈值,选择知识图谱推理策略作为目标检索策略。

19、优选地,所述通过所述目标检索策略对所述自然语言查询文本执行检索操作,得到子意图对应的检索结果,具体包括:

20、当所述目标检索策略为向量检索策略时,基于语义相似度匹配算法对所述自然语言查询文本执行单一路径检索,得到文档片段集合;

21、当所述目标检索策略为知识图谱推理策略时,基于图结构对所述自然语言查询文本执行因果或关联推理操作,得到实体关系路径集合。

22、优选地,所述向量检索策略具体包括:

23、基于业务场景选择适配的文本嵌入模型;

24、通过所述文本嵌入模型对所述自然语言查询文本执行向量化编码处理,得到查询向量;

25、在预设的向量索引中搜索与所述查询向量的余弦相似度最高的多个文档向量,其中,余弦相似度的计算公式为:

26、

27、其中,为查询向量,为文档向量;

28、将各个所述文档向量的余弦相似度与预设相似度阈值进行比较,过滤掉余弦相似度低于所述预设相似度阈值的文档向量;

29、根据各个所述文档向量的余弦相似度,对过滤后的文档向量对应的文档片段进行排序,并将排序后的文档片段集合作为检索结果。

30、优选地,所述知识图谱推理策略具体包括:

31、将所述意图层级树中的主意图和子意图映射为图查询模式;

32、将所述意图层级树中的约束条件映射为过滤条件;

33、将所述查询模式和所述过滤条件组装为图数据库查询语句;

34、在预先构建的知识图谱中执行所述图数据库查询语句,得到查询结果;

35、对所述查询结果执行聚合、排序和格式化操作,得到实体关系路径集合。

36、优选地,所述当所述意图层级树中包含多个子意图时,对各个所述子意图对应的检索结果执行检索路径拼接操作,得到最终检索结果,具体包括:

37、将各个所述子意图对应的检索结果统一映射为标准化语义单元,所述标准化语义单元包含实体标识、属性键值对以及上下文描述文本;

38、基于对齐键对各个所述子意图的标准化语义单元执行实体对齐操作;

39、对各个对齐后的标准化语义单元执行交集运算,得到所述最终检索结果。

40、一种基于意图层级分解的自适应检索策略选择系统,用于实施如上所述的一种基于意图层级分解的自适应检索策略选择方法,包括:

41、意图层级解析模块,用于对用户输入的自然语言查询文本执行意图层级解析操作,得到意图层级树,所述意图层级树包含一个主意图、至少一个子意图以及至少一个约束条件;

42、复杂度计算模块,连接所述意图层级解析模块,用于基于所述意图层级树中的实体数量和关系深度计算复杂度得分,所述复杂度得分用于表征所述自然语言查询文本的检索难度;

43、策略路由决策模块,连接所述复杂度计算模块,用于将所述复杂度得分与预设复杂度阈值进行比较以动态选择匹配检索需求的目标检索策略,并通过所述目标检索策略对所述自然语言查询文本执行检索操作,得到子意图对应的检索结果。

44、优选地,检索路径拼接模块,连接所述策略路由决策模块,用于在所述意图层级树中包含多个子意图时,对各个所述子意图对应的检索结果执行检索路径拼接操作,得到最终检索结果。

45、有益效果:本发明通过将自然语言查询文本拆解为意图层级树并量化复杂度,以自适应调度不同检索策略,实现了在同一架构下简单查询快速响应、复杂查询深度推理的兼顾,从根本上解决了意图忽略、策略失配以及资源浪费等问题,显著提升了答案准确性与处理效率。