基于知识图谱的智能问答方法、装置及计算设备与流程

本申请涉及计算机，特别涉及基于知识图谱的智能问答方法。本申请同时涉及基于知识图谱的智能问答装置，以及一种计算设备。

背景技术：

1、随着大语言模型和检索增强生成技术的发展，智能问答系统已被广泛用于知识检索、技术支持、学习辅导、科研资料问答、百科问答和专业知识辅助等任务。用户通常希望系统能够直接给出自然语言答案，但在专业场景中，仅输出答案本身并不足够，还需要说明答案依据哪些资料、哪些实体关系以及哪些推理步骤。

2、现有智能问答系统通常采用关键词检索、向量检索、知识图谱问答或检索增强生成方案。关键词检索可控但难以理解复杂自然语言；向量检索能够召回语义相近文本，但容易忽略实体一致性、关系方向和时间条件；知识图谱问答能够进行结构化查询和多跳推理，用户难以判断答案来源；大语言模型可能把相似事实、过期内容或未检索到的信息组织成看似合理的答案。

3、因此，亟需一种面向智能问答任务的技术方法，解决上述问题。

技术实现思路

1、有鉴于此，本申请实施例提供了基于知识图谱的智能问答方法。本申请同时涉及基于知识图谱的智能问答装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的智能问答不准确的问题。

2、根据本申请实施例的第一方面，提供了一种基于知识图谱的智能问答方法，包括：

3、获取并识别用户问题和上下文信息，生成结构化问题表示，所述结构化问题表示包括问题意图、实体、关系、属性、限定条件、时间和答案类型；

4、根据所述结构化问题表示执行知识图谱路径检索，获得候选图谱数据，其中，所述候选图谱数据包括实体节点、边、关系、属性、时间和答案来源；

5、根据所述结构化问题表示和所述候选图谱数据进行语义检索，获得所述用户问题对应的答案声明槽位和候选原文证据，其中，所述答案声明槽位表征为用户问题所需回答的答案类型声明的槽位信息；

6、构造所述候选图谱数据、所述答案声明槽位和所述候选原文证据之间的绑定关系，生成候选证据包；

7、调用大语言模型，将所述结构化问题表示与所述候选证据包输入所述大语言模型，输出所述用户问题对应的答案初稿；

8、基于所述答案声明槽位对所述答案初稿进行拆分，获得至少一个答案单元，并对所述至少一个答案单元进行可信验证，获得所述用户问题对应的目标答案。

9、根据本申请实施例的第二方面，提供了一种基于知识图谱的智能问答装置，包括：

10、获取识别模块，被配置为获取并识别用户问题和上下文信息，生成结构化问题表示，所述结构化问题表示包括问题意图、实体、关系、属性、限定条件、时间和答案类型；

11、图谱路径检索模块，被配置为根据所述结构化问题表示执行知识图谱路径检索，获得候选图谱数据，其中，所述候选图谱数据包括实体节点、边、关系、属性、时间和答案来源；

12、语义检索模块，被配置为根据所述结构化问题表示和所述候选图谱数据进行语义检索，获得所述用户问题对应的答案声明槽位和候选原文证据，其中，所述答案声明槽位表征为用户问题所需回答的答案类型声明的槽位信息；

13、证据包构造模块，被配置为构造所述候选图谱数据、所述答案声明槽位和所述候选原文证据之间的绑定关系，生成候选证据包；

14、答案生成模块，被配置为调用大语言模型，将所述结构化问题表示与所述候选证据包输入所述大语言模型，输出所述用户问题对应的答案初稿；

15、答案可信验证模块，被配置为基于所述答案声明槽位对所述答案初稿进行拆分，获得至少一个答案单元，并对所述至少一个答案单元进行可信验证，获得所述用户问题对应的目标答案。

16、根据本申请实施例的第三方面，提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述计算机指令时实现所述基于知识图谱的智能问答方法的步骤。

17、根据本申请实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现所述基于知识图谱的智能问答方法的步骤。

18、本申请提供的基于知识图谱的智能问答方法，获取并识别用户问题和上下文信息，生成结构化问题表示；根据结构化问题表示执行知识图谱路径检索，获得候选图谱数据；根据结构化问题表示和候选图谱数据进行语义检索，获得用户问题对应的答案声明槽位和候选原文证据；构造候选图谱数据、答案声明槽位和候选原文证据之间的绑定关系，生成候选证据包；调用大语言模型，将结构化问题表示与候选证据包输入大语言模型，输出用户问题对应的答案初稿；基于答案声明槽位对答案初稿进行拆分，获得至少一个答案单元，并对至少一个答案单元进行可信验证，获得用户问题对应的目标答案。

19、本申请一实施例，通过识别用户问题和上下文信息，生成结构化问题表示，能够快速地完成知识图谱路径检索，获得候选图谱数据，再通过召回机制完成语义检索，获得用户问题对应的答案声明槽位以及候选原文证据，随后对图谱路径、原文证据和答案声明槽位进行证据链对齐及绑定，生成可追溯证据链，进而，再调用大语言模型输出用户问题对应的答案，实现了将大模型限定在可追溯证据包内进行受控生成，未绑定证据的内容不得作为确定性答案输出，区别于按语义相似度选择最优候选答案。基于此，本申请以智能问答任务为明确应用边界，以知识图谱路径为事实骨架，以原文证据为依据，以答案类型和约束规则为生成边界，并在生成后进行声明级可信验证，从而相对于普通 rag方案形成更强的准确性、可解释性、可追溯性和可控输出能力。

1.一种基于知识图谱的智能问答方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述结构化问题表示执行知识图谱路径检索，获得候选图谱数据之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述结构化问题表示和所述候选图谱数据进行语义检索，获得所述用户问题对应的答案声明槽位和候选原文证据，包括：

4.根据权利要求1所述的方法，其特征在于，所述构造所述候选图谱数据、所述答案声明槽位和所述候选原文证据之间的绑定关系，生成候选证据包，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述对齐分数绑定所述候选图谱数据、所述答案声明槽位和所述候选原文证据，构造候选证据包，包括：

6.根据权利要求1所述的方法，其特征在于，所述调用大语言模型，将所述结构化问题表示与所述候选证据包输入所述大语言模型，输出所述用户问题对应的答案初稿，包括：

7.根据权利要求6所述的方法，其特征在于，所述对所述至少一个答案单元进行可信验证，获得所述用户问题对应的目标答案，包括：

8.根据权利要求2所述的方法，其特征在于，所述方法还包括：

9.一种基于知识图谱的智能问答装置，其特征在于，包括：

10.一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，其特征在于，所述处理器执行所述计算机指令时实现权利要求1-8任意一项所述方法的步骤。