一种基于人工智能的智能问答交互服务优化方法与流程

本发明涉及人工智能，具体为一种基于人工智能的智能问答交互服务优化方法。

背景技术：

1、近年来，大语言模型广泛应用于各类智能问答交互服务中，能够根据用户输入的自然语言提供相应的解答与指引，在处理复杂工况下的智能问答交互时，现有模型依赖概率分布进行语义生成，在面对多轮诊断推演时缺乏确定性的逻辑引导机制。由于无法量化推演过程中的排查代价与信息增益，模型在逻辑推理阶段容易产生发散，导致多轮问答交互难以快速收敛至真实的目标诊断路径，从而降低了复杂工况下故障定位的准确度与问答效率。

2、在生成具体的标准操作规范指引时，现有模型依赖上下文的语义关联来拼接文本，缺乏对底层操作逻辑与执行顺序的数值化验证，使得模型输出的自然语言回复经常出现操作步骤遗漏、产生无关指令或者执行次序颠倒的情况。由于系统将模型生成的文本直接输出，缺少基于底层偏序关系的完整性与时序冲突检测，当生成错误的文本时，就会将错误的操作指引直接下发至人机交互终端。

3、现有的问答交互架构缺少针对模型输出异常的底层降级隔离机制，当发现模型生成的内容存在逻辑错误或不符合规范时，系统只能请求模型重新生成文本，无法在物理或系统链路层面阻断不可靠数据的传输。在面对高危作业或专业操作场景时，这种处理方式无法避免错误数据在系统缓存中的驻留风险，难以保障设备与操作人员在极端情况下的物理底线安全性。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于人工智能的智能问答交互服务优化方法，解决了现有大语言模型在多轮问答推演中逻辑容易发散导致诊断难以收敛，生成操作指引时缺乏完整性与时序验证导致容易下发错误指令以及在输出内容异常时缺少底层降级隔离机制从而无法保障高危场景交互安全性的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、本发明提供一种基于人工智能的智能问答交互服务优化方法，包括以下步骤：

4、接收人机交互终端传入的自然语言交互序列并映射至预先构建的本体状态图，输出正向激活节点集合与负向状态节点集合；

5、对所述本体状态图执行拓扑变换，利用所述负向状态节点集合执行级联失效传播计算生成残余诊断图；

6、在所述残余诊断图中利用所述正向激活节点集合提取候选诊断路径集合，基于所述候选诊断路径集合提取未确认状态依赖节点集合，并在所述未确认状态依赖节点集合非空时确定追问目标节点发起提示，循环执行状态更新使所述候选诊断路径集合收敛，直至锁定目标诊断路径；

7、提取所述目标诊断路径关联的结构化sop序列，构建动作标识符集合并约束大语言模型生成包含所述动作标识符集合的候选自然语言回复文本；

8、对所述候选自然语言回复文本执行动作标识符一致性校验与时序逆序冲突检测，在校验通过时输出所述候选自然语言回复文本以完成问答交互，在未通过时执行输出链路清除处理并基于所述结构化sop序列强制降级输出结构化sop表单，以供所述人机交互终端呈现给用户确认后参考执行对应标准操作。

9、优选的，所述接收人机交互终端传入的自然语言交互序列并映射至预先构建的本体状态图，输出正向激活节点集合与负向状态节点集合，包括：

10、对所述自然语言交互序列执行特征提取与意图分类，并将分类结果映射至所述本体状态图；

11、利用预先训练的意图分类模型输出分类概率分布向量，在输出概率最高的标签为异常发生意图标签时，将对应的映射节点划分至所述正向激活节点集合；

12、在输出概率最高的标签为状态正常意图标签或排除异常意图标签时，将对应的映射节点划分至初始负向节点候选集；

13、计算所述初始负向节点候选集内部节点的语义置信度标量，经置信度阈值筛选后将满足大于或等于确定性过滤阈值的节点并入所述负向状态节点集合。

14、优选的，对所述本体状态图执行拓扑变换，包括：

15、对所述本体状态图执行强连通分量收缩与无环化拓扑变换；

16、利用图搜索算法在所述本体状态图中提取出所有强连通分量组合生成强连通分量集合；

17、针对所述强连通分量集合中的每一个强连通分量构建对应的等效宏节点；

18、构建节点收缩映射函数将所述本体状态图中的节点映射至对应的所述等效宏节点；

19、保留跨越不同等效宏节点的有向边并剔除强连通分量内部的有向边，生成等效宏节点有向无环图。

20、优选的，利用所述负向状态节点集合执行级联失效传播计算生成残余诊断图，包括：

21、将所述负向状态节点集合中的各个节点通过所述节点收缩映射函数转换生成负向宏节点集合；

22、对所述等效宏节点有向无环图执行状态初始化操作，调取所述本体状态图内部节点的因果依赖类型标识；

23、以所述负向宏节点集合中的节点作为推导起点，依据所述因果依赖类型标识确定适用的联合触发因果逻辑或任一触发因果逻辑，对节点执行级联状态推导，更新节点传播状态值；

24、筛选出经过推导后节点传播状态值为正常状态的节点组合生成安全拦截节点集合；

25、将起始节点位于所述安全拦截节点集合内部的有向边的通行代价权重强制更新为无穷大数值，依据更新后的通行代价权重分布生成所述残余诊断图。

26、优选的，基于所述候选诊断路径集合提取未确认状态依赖节点集合，包括：

27、将映射转换生成的正向激活宏节点集合中的节点作为遍历源点，在所述残余诊断图中触发执行深度优先搜索；

28、在检测到拓展边的通行代价权重等于正无穷大数值时停止当前分支前向搜索操作并触发状态回溯逻辑；

29、将搜索路径触达对应终点时记录的有向节点序列封装并整合生成所述候选诊断路径集合；

30、提取所述候选诊断路径集合上包含的等效宏节点并还原解包为基础物理节点生成全局依赖节点集合；

31、从会话状态缓存中读取已实例化节点集合；

32、将所述全局依赖节点集合与预先定义的可查询节点集合执行交集运算后剥离所述已实例化节点集合，生成所述未确认状态依赖节点集合。

33、优选的，在所述未确认状态依赖节点集合非空时确定追问目标节点发起提示，包括：

34、获取实时运行工况数据计算动态核查代价与信息熵降幅指标；

35、依据候选路径总数量计算当前诊断空间的基础信息熵，并计算假定获取未确认状态依赖节点状态后的条件信息熵；

36、计算所述基础信息熵与所述条件信息熵之间的数值差作为所述信息熵降幅指标；

37、调取传感器实时采集的危险工况特征值作为所述实时运行工况数据，利用工况映射公式计算结合工程安全临界阈值的动态惩罚系数；

38、获取对应节点预先量化标定的基础核查代价，将所述基础核查代价与所述动态惩罚系数执行乘法运算获取所述动态核查代价；

39、计算所述信息熵降幅指标与所述动态核查代价的商值获取期望代价比，提取所述期望代价比最大的节点作为所述追问目标节点。

40、优选的，提取所述目标诊断路径关联的结构化sop序列，构建动作标识符集合并约束大语言模型生成包含所述动作标识符集合的候选自然语言回复文本，包括：

41、提取针对故障原因必须执行的标准操作步骤参数与处置指令文本，按照时序排列生成所述结构化sop序列；

42、针对所述结构化sop序列中的每一个独立操作指令，利用哈希函数结合次序索引与系统时间戳生成对应的动作标识符；

43、组合所有动作标识符构建会话内不可变的所述动作标识符集合并分配至对应独立操作指令；

44、构建键值对映射表绑定所述动作标识符与所述独立操作指令；

45、将所述结构化sop序列与所述动作标识符集合组装为结构化提示词文本输入所述大语言模型，约束所述大语言模型生成所述候选自然语言回复文本。

46、优选的，对所述候选自然语言回复文本执行动作标识符一致性校验，包括：

47、调用正则匹配单元对所述候选自然语言回复文本执行全量扫描，提取字符串构建实际生成标识符集合；

48、将所述实际生成标识符集合与所述动作标识符集合载入计算缓存执行双向集合差集运算；

49、获取运算后输出的遗漏标识符集合与多余标识符集合；

50、在所述遗漏标识符集合或所述多余标识符集合不为空集时，判定所述动作标识符一致性校验失败并触发实体校验异常信号。

51、优选的，所述时序逆序冲突检测，包括：

52、调用依存句法分析器对所述候选自然语言回复文本进行解析生成表征词语间支配关系的依存句法树；

53、在所述依存句法树中定位包含所述动作标识符的词元节点，沿着依存弧向上溯源提取修饰特征；

54、依据预置的时序规则映射表将所述修饰特征转换为时间偏移量；

55、提取所述动作标识符在原始文本流中的初始位置索引与所述时间偏移量进行加和运算生成综合时间权重；

56、依据所述综合时间权重对所有动作标识符进行升序重新排列，赋予动作执行顺序标号；

57、解析所述结构化sop序列的内部操作依赖关系生成标准偏序关系集合；

58、针对所述标准偏序关系集合对比所述动作执行顺序标号执行逆序冲突计算，在逆序冲突总数大于零数值时触发逆序冲突异常信号。

59、优选的，所述未通过时执行输出链路清除处理并基于所述结构化sop序列强制降级输出结构化sop表单，包括：

60、在所述动作标识符一致性校验或所述时序逆序冲突检测未通过时，从智能问答交互服务系统的内部输出队列、会话状态缓存和前端待发送缓冲区中强制删除所述候选自然语言回复文本，执行数据覆写与引用释放操作完成所述输出链路清除处理；

61、提取所述结构化sop序列内部包含的动作名称、安全操作参数阈值与物理执行位置底层硬编码数据；

62、将所述底层硬编码数据依次填入预置的静态结构化sop表单模板中生成所述结构化sop表单；

63、向所述人机交互终端输出所述结构化sop表单以供用户确认后参考使用，并在只读数据采集通道中执行下行通信链路隔离。

64、本发明提供了一种基于人工智能的智能问答交互服务优化方法，具备以下有益效果：

65、1、本发明通过将自然语言交互映射至本体状态图，并执行无环化拓扑变换与级联失效传播计算生成残余诊断图，进而结合信息熵降幅指标与动态核查代价确定追问目标节点，利用图谱拓扑推导与数学代价计算机制，将非确定的自然语言意图转换为可量化的状态推演过程，使得多轮问答交互直接收敛于目标诊断路径，隔离了大语言模型在逻辑推理阶段的发散缺陷，提升了复杂工况下故障定位的准确度与问答效率。

66、2、本发明通过提取结构化sop序列构建动作标识符集合约束大语言模型生成回复文本，并调用依存句法分析器结合时间偏移量生成综合时间权重，进而对比标准偏序关系集合执行逆序冲突计算，利用标识符集合差集运算与基于时序偏序关系的冲突检测机制，系统能够以数值验证方式判定自然语言回复是否存在步骤遗漏、无中生有或执行次序颠倒，从而避免错误操作指引下发至人机交互终端。

67、3、本发明在动作标识符一致性校验或时序逆序冲突检测未通过时，执行数据覆写与引用释放完成输出链路清除处理，并提取底层硬编码数据强制降级生成静态结构化sop表单，结合只读数据采集通道执行下行通信链路隔离，构建了底层的强制安全降级机制，在模型生成内容不符合逻辑规范时，系统阻断自然语言文本传输并退化输出基础静态表单，保障了高危作业或专业操作场景下人机交互的物理底线安全性。