基于知识图谱的问答方法和装置、设备、存储介质与流程

摘要: 本申请涉及人工智能,适用于金融领域及医疗领域,尤其涉及一种基于知识图谱的问答方法和装置、设备、存储介质。背景技术:1、在问答领域,可借助知识图谱回复用户的问题。...
基于知识图谱的问答方法和装置、设备、存储介质与流程

本申请涉及人工智能,适用于金融领域及医疗领域,尤其涉及一种基于知识图谱的问答方法和装置、设备、存储介质。

背景技术:

1、在问答领域,可借助知识图谱回复用户的问题。例如,在金融领域中,问题:“全家主要靠我收入,有房贷200万,孩子刚出生,买定期寿险保额多少合适?”,答案:定期寿险保额建议覆盖房贷+孩子教育至独立,约在300万量级;期限覆盖到孩子成年。又例如,在医疗领域中,问题:“我爸50岁,有糖尿病史,适合买什么医疗险?”,答案:糖尿病专属的慢病管理医疗险、防癌医疗险。

2、相关技术中,主要是利用大语言模型从保险知识图谱中检索证据,再基于证据生成答案。相关技术主要存在如下缺陷:1.传统强化学习在保险知识图谱问答中依赖人工设计奖励函数,难以覆盖动态更新的条款与复杂约束条件(如免责条款嵌套)。模型探索过程中因长期奖励稀疏陷入局部最优,导致核保建议偏离实际风险。2.大模型在缺乏实时知识注入时生成与条款矛盾的“幻觉答案”,且难以融合外部知识图谱的精确约束,导致逻辑链断裂。3.复杂约束下的路径探索盲目性多跳推理任务(如“既往病史对重疾险保费的影响”)需同步满足条款关联性、地域政策、时效性等约束。传统强化学习智能体因动作空间膨胀(实体×关系组合爆炸)而路径失效,无法实现推理。可见,保险知识图谱难以覆盖动态更新的保险条款,且保险条款本身携带复杂约束条件(如免责条款嵌套),大语言模型容易生成与保险条款矛盾的幻觉答案。

技术实现思路

1、本申请实施例的主要目的在于提出一种基于知识图谱的问答方法和装置、设备、存储介质,能够解决基于知识图谱的问答时容易出现幻觉答案的技术问题。

2、为实现上述目的,本申请实施例的第一方面提出了一种基于知识图谱的问答方法,所述方法包括:

3、获取目标用户针对目标理赔案件提出的保险理赔问题;

4、通过大语言模型对所述保险理赔问题进行条款定位,得到目标保险条款,并基于所述目标保险条款进行约束生成,得到推理动作约束向量;

5、基于所述目标理赔案件对应的保险知识图谱对所述保险理赔问题进行证据推理,得到证据推理知识图;

6、基于所述推理动作约束向量对所述证据推理知识图进行裁剪,得到证据推理知识子图;

7、基于所述证据推理知识子图进行路径提取,得到目标证据推理路径;

8、基于所述目标证据推理路径进行答案生成,得到目标推理答案。

9、为实现上述目的,本申请实施例的第二方面提出了一种基于知识图谱的问答装置,所述装置包括:

10、问题获取模块,用于获取目标用户针对目标理赔案件提出的保险理赔问题;

11、条款定位模块,用于通过大语言模型对所述保险理赔问题进行条款定位,得到目标保险条款,并基于所述目标保险条款进行约束生成,得到推理动作约束向量;

12、证据推理模块,用于基于所述目标理赔案件对应的保险知识图谱对所述保险理赔问题进行证据推理,得到证据推理知识图;

13、图裁剪模块,用于基于所述推理动作约束向量对所述证据推理知识图进行裁剪,得到证据推理知识子图;

14、路径提取模块,用于基于所述证据推理知识子图进行路径提取,得到目标证据推理路径;

15、答案生成模块,用于基于所述目标证据推理路径进行答案生成,得到目标推理答案。

16、为实现上述目的,本申请实施例的第三方面提出了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的基于知识图谱的问答方法。

17、为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的基于知识图谱的问答方法。

18、本申请提出的基于知识图谱的问答方法和装置、计算机设备、存储介质,先获取目标用户针对目标理赔案件提出的保险理赔问题;接着通过大语言模型对保险理赔问题进行条款定位,得到目标保险条款,并基于目标保险条款进行约束生成,得到推理动作约束向量;同时基于目标理赔案件对应的保险知识图谱对保险理赔问题进行证据推理,得到证据推理知识图;接着基于推理动作约束向量对证据推理知识图进行裁剪,得到证据推理知识子图;再借助基于证据推理知识子图进行路径提取,得到目标证据推理路径;最后基于目标证据推理路径进行答案生成,得到目标推理答案。在本申请中,先基于保险理赔问题定位目标保险条款,然后生成推理动作约束向量,再接着基于推理动作约束向量对证据推理知识图进行裁剪得到证据推理知识子图,该子图可以体现在目标保险条款约束下与保险理赔问题相关的证据推理知识,使得基于目标证据推理路径所生成的目标答案受到目标保险条款的约束。可见,本申请能够减少生成与保险条款矛盾的幻觉答案,提高了答案的生成准确性。

19、本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。

1.一种基于知识图谱的问答方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述证据推理知识子图进行路径提取,得到目标证据推理路径,包括:

3.根据权利要求2所述的方法,其特征在于,所述推理动作约束向量包括第一约束向量、第二约束向量和第三约束向量;在基于所述节点注意力权重更新所述子图节点的节点特征之前,所述方法还包括:

4.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述推理动作约束向量对所述证据推理知识图进行裁剪,得到证据推理知识子图,包括:

5.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述目标保险条款进行约束生成,得到推理动作约束向量,包括:

6.根据权利要求2所述的方法,其特征在于,在所述基于所述目标证据推理路径进行答案生成,得到目标推理答案之后,所述方法还包括:

7.根据权利要求2所述的方法,其特征在于,在所述基于所述目标证据推理路径进行答案生成,得到目标推理答案之后,所述方法还包括:

8.一种基于知识图谱的问答装置,其特征在于,所述装置包括:

9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于知识图谱的问答方法。

10.一种计算机可读存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于知识图谱的问答方法。