一种智能问答方法、装置、计算机设备及存储介质与流程
本申请属于人工智能,具体涉及一种智能问答方法、装置、计算机设备及存储介质。
背景技术:
1、随着人工智能技术的快速发展,基于大语言模型的智能问答系统已广泛应用于金融、医疗、法律等多个专业服务领域。在医疗健康保险销售场景中,智能问答系统能够辅助销售人员快速响应客户咨询,提供产品条款解读、理赔范围说明及投保方案建议等服务。现有的技术方案通常采用检索增强生成(rag)架构,即在用户提出问题后,系统首先从外部知识库中检索相关文档片段,然后将检索到的内容与用户问题一同输入到大模型中,以生成基于事实的回答。这种通用技术路线通过引入外部知识源,旨在利用大模型的语义理解与生成能力,结合检索到的上下文信息来完成问答任务,是目前构建垂直领域智能助手的主流方式。
2、然而,在医疗健康保险这一特定高敏领域,现有技术在处理复杂业务场景时仍面临严峻挑战。由于保险条款文本篇幅长、专业术语密集且不同产品间名称相似度极高但内容差异巨大,导致检索系统难以精准定位与用户意图完全匹配的知识片段,极易出现召回内容与实际询问产品不一致的情况。此外,长文本在切分过程中容易造成语义断裂,使得模型无法获取完整的逻辑链条。这些因素共同导致了生成的回答存在较高的幻觉风险和信息准确性不足的问题,难以满足保险行业对信息严谨性、合规性及高可靠性的严格要求,影响了用户体验及服务机构的信誉。
技术实现思路
1、本申请实施例的目的在于提出一种智能问答方法、装置、计算机设备及存储介质,可以解决由于保险条款文本篇幅长、专业术语密集且不同产品间名称相似度极高但内容差异巨大,导致检索系统难以精准定位与用户意图完全匹配的知识片段,极易出现召回内容与实际询问产品不一致的情况,以及长文本在切分过程中容易造成语义断裂,使得模型无法获取完整的逻辑链条,从而导致生成的回答存在较高的幻觉风险和信息准确性不足的问题。
2、为了解决上述技术问题,本申请实施例提供一种智能问答方法,采用了如下所述的技术方案:
3、获取用户输入的问答请求,对问答请求进行语义解析及查询改写处理,生成多个子查询信息,并从问答请求中提取目标业务对象对应的实体信息;
4、基于多个子查询信息,通过多维度多路召回机制对预设领域知识库进行检索,从多个维度获取与子查询信息对应的候选知识文本,其中,领域知识库基于层级检索技术构建层级索引结构,以对长文本知识数据进行层级化检索;
5、基于目标业务对象对应的实体信息,从预设业务知识库中召回与目标业务对象相关的对象知识信息,并将对象知识信息作为先验知识数据;
6、对候选知识文本及先验知识数据进行实体一致性校验处理,根据目标业务对象对应的实体信息筛选与问答请求匹配的目标知识数据,过滤与目标业务对象不一致的干扰知识内容;
7、将目标知识数据与问答请求输入至智能问答模型中进行知识增强生成处理,输出对应的问答结果。
8、为了解决上述技术问题,本申请实施例还提供一种智能问答装置,采用了如下所述的技术方案:
9、语义解析模块,用于获取用户输入的问答请求,对问答请求进行语义解析及查询改写处理,生成多个子查询信息,并从问答请求中提取目标业务对象对应的实体信息;
10、领域知识检索模块,用于基于多个子查询信息,通过多维度多路召回机制对预设领域知识库进行检索,从多个维度获取与子查询信息对应的候选知识文本,其中,领域知识库基于层级检索技术构建层级索引结构,以对长文本知识数据进行层级化检索;
11、业务知识检索模块,用于基于目标业务对象对应的实体信息,从预设业务知识库中召回与目标业务对象相关的对象知识信息,并将对象知识信息作为先验知识数据;
12、知识筛选模块,用于对候选知识文本及先验知识数据进行实体一致性校验处理,根据目标业务对象对应的实体信息筛选与问答请求匹配的目标知识数据,过滤与目标业务对象不一致的干扰知识内容;
13、知识增强模块,用于将目标知识数据与问答请求输入至智能问答模型中进行知识增强生成处理,输出对应的问答结果。
14、为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
15、一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上述任一项所述的智能问答方法的步骤。
16、为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
17、一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述中任一项所述的智能问答方法的步骤。
18、与现有技术相比,本申请实施例主要有以下有益效果:
19、本申请涉及一种智能问答方法、装置、计算机设备及存储介质,涉及人工智能技术领域,应用于医疗健康保险销售问答系统。本申请通过获取用户输入的问答请求并进行语义解析及查询改写处理生成多个子查询信息,同时提取目标业务对象对应的实体信息,进而基于多个子查询信息利用多维度多路召回机制在基于层级检索技术构建层级索引结构的预设领域知识库中进行检索,以获取候选知识文本,有效解决了长文本切分导致的语义缺失问题;在此基础上,基于目标业务对象对应的实体信息从预设业务知识库中召回对象知识信息作为先验知识数据,并通过实体一致性校验处理对候选知识文本及先验知识数据进行筛选,过滤与目标业务对象不一致的干扰知识内容,从而确保召回知识的精准性与一致性;随后将筛选后的目标知识数据与问答请求输入至智能问答模型中进行知识增强生成处理,输出对应的问答结果。本申请通过层级索引结构与多维度召回机制的结合,提升了长文本知识的检索覆盖率与完整性,借助实体一致性校验与先验知识注入,消除了因产品名称相似或知识碎片化引发的错误检索风险,从而有效解决了由于保险条款文本篇幅长、专业术语密集且不同产品间名称相似度极高但内容差异巨大,导致检索系统难以精准定位与用户意图完全匹配的知识片段,极易出现召回内容与实际询问产品不一致的情况,以及长文本在切分过程中容易造成语义断裂,使得模型无法获取完整的逻辑链条,从而导致生成的回答存在较高的幻觉风险和信息准确性不足的问题,因此避免了因检索偏差导致的回答幻觉及信息错误情况,显著提升了问答系统在复杂保险业务场景下的回答准确性、可靠性及专业性,保障了用户获取信息的正确性。
1.一种智能问答方法,其特征在于,包括:
2.如权利要求1所述的智能问答方法,其特征在于,所述基于所述多个子查询信息,通过多维度多路召回机制对预设领域知识库进行检索,从多个维度获取与所述子查询信息对应的候选知识文本的步骤,具体包括:
3.如权利要求2所述的智能问答方法,其特征在于,所述根据各所述初始召回结果对应的检索维度、语义关联程度及知识完整度进行综合评估,确定与所述多个子查询信息对应的候选知识文本的步骤,具体包括:
4.如权利要求1所述的智能问答方法,其特征在于,所述基于所述目标业务对象对应的实体信息,从预设业务知识库中召回与所述目标业务对象相关的对象知识信息,并将所述对象知识信息作为先验知识数据的步骤,具体包括:
5.如权利要求1所述的智能问答方法,其特征在于,所述对所述候选知识文本及所述先验知识数据进行实体一致性校验处理,根据所述目标业务对象对应的实体信息筛选与所述问答请求匹配的目标知识数据,过滤与所述目标业务对象不一致的干扰知识内容的步骤,具体包括:
6.如权利要求5所述的智能问答方法,其特征在于,所述基于所述实体关联程度及预设一致性判断规则,对所述候选知识文本及所述先验知识数据进行一致性校验,识别与所述目标业务对象匹配的关联知识内容以及不匹配的干扰知识内容的步骤,具体包括:
7.如权利要求1所述的智能问答方法,其特征在于,所述将所述目标知识数据与所述问答请求输入至智能问答模型中进行知识增强生成处理,输出对应的问答结果的步骤,具体包括:
8.一种智能问答装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的智能问答方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的智能问答方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com