一种基于大模型的知识图谱模糊问答方法、存储介质及设备与流程

本发明涉及大模型，尤其涉及一种基于大模型的知识图谱模糊问答方法、存储介质及设备。

背景技术：

1、随着大模型文本生成能力的提升，通过大模型对基于上下文的用户问题语义进行统一问句补全以及问题分类，按照类型分为查询知识图谱、调用服务接口api以及文档内容理解，调用的结果通过大语言模型进行总结提炼，最终实现答案自动生成。利用大模型进行问题改写，一定程度上补充了问题中隐含的语义信息，但依赖问题改写的质量，且无法规避大模型幻觉问题。

2、而，利用大模型对多跳问题进行分解成子问题，将问题子图和推理路径都提供给大模型，令大模型迭代式地分解问题，直至大模型无法提供子问题，期间所有子问题的后续问题的问题子图都会合并上之前问题的问题子图，以实现问题子图的动态扩展，最后所有路径文本化输入给大模型生成最终的问题答案。该方法又完全依赖大模型进行问题分解，若大模型在复杂问题上分解错误（如遗漏关键子问题或生成无关子问题），会导致最终答案偏离正确路径。且迭代式分解需多次调用大模型，导致响应延迟，难以满足实时问答需求。

技术实现思路

1、本发明要解决的技术问题在于，提供一种基于大模型的知识图谱模糊问答方法、存储介质及设备。

2、本发明解决其技术问题所采用的技术方案是：一种基于大模型的知识图谱模糊问答方法，包括以下步骤：

3、s10，获取用户问题；

4、s20，利用命名实体识别模型从所述用户问题中得到核心实体集；

5、s30，基于所述核心实体集，从预设知识库中获取候选实体集；

6、s40，基于所述核心实体集和所述用户问题，利用语义向量化模型计算所述候选实体集中每一个候选实体的候选置信度；

7、s50，按所述候选置信度排序，选取前预设数量的候选实体作为高置信度实体集；

8、s60，在预设知识图谱中，对所述高置信度实体集进行多跳三元组检索，得到结构化三元组集合；

9、s70，利用混合关系匹配算法对所述结构化三元组集合进行计算，得到高概率三元组集合；

10、s80，基于预设大语言模型，结合所述高置信度实体集和所述高概率三元组集合，构建全部候选路径并计算每一条候选路径的路径置信度；判断所述路径置信度是否满足预设置信度条件，得到可用候选路径；

11、s90，将所述用户问题、所述可用候选路径以及所述路径置信度输入所述预设大语言模型，得到问题答复。

12、可选地，所述s30包括：

13、s31，利用语义向量化模型生成所述核心实体集中每个核心实体的上下文向量集；

14、s32，根据所述上下文向量集，从所述预设知识库中获取所述候选实体集。

15、可选地，所述s40包括：

16、s41，利用所述语义向量化模型生成所述用户问题的问题向量；

17、s42，利用所述语义向量化模型生成所述候选实体集中每一个候选实体的候选向量；

18、s43，根据混合实体置信度指数计算方法，结合所述问题向量、所述上下文向量集以及所述候选向量，得到每一个候选实体的所述候选置信度。

19、可选地，所述s50包括：

20、s51，根据所述候选置信度降序对所述候选实体进行排序，选取前预设数量的所述候选实体作为所述高置信度实体集。

21、可选地，所述s60包括：

22、在知识图谱中，根据所述高置信度实体集中的每个候选实体按照3跳对边进行遍历，得到所述结构化三元组。

23、可选地，所述s70包括：

24、对所述结构化三元组集合中每个三元组列表进行关系提取，得到关系属性列表；

25、利用所述混合关系匹配算法计算所述关系属性列表中每个元素与所述用户问题之间的置信度分数；

26、基于所述置信度分数，得到所述高概率三元组集合。

27、可选地，所述s80包括：

28、结合所述高置信度实体集和所述高概率三元组集合，构建全部候选路径；

29、利用所述预设大语言模型分别计算所述全部候选路径的置信度，得到每一个候选路径的所述路径置信度；

30、判断所述路径置信度是否大于预设置信度分数，若大于，则所述路径置信度对应的候选路径为所述可用候选路径。

31、可选地，所述s90包括：

32、通过提示词利用所述预设大语言模型对所述可用候选路径的准确性进行评估，得到评估结果；

33、将所述评估结果、所述用户问题、所述可用候选路径以及所述路径置信度输入所述预设大语言模型，得到问题答复。

34、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如上述任一项所述的基于大模型的知识图谱模糊问答方法的步骤。

35、本发明还提供一种计算机设备，包括存储器和处理器；

36、所述存储器中存储有计算机程序；

37、所述处理器通过调用所述存储器中存储的所述计算机程序，执行如上述任一项所述的基于大模型的知识图谱模糊问答方法的步骤。

38、实施本发明具有以下有益效果：

39、本发明通过抽取用户问题中的实体并筛选出高置信度实体集，再匹配筛选出关联的高概率三元组集合，随后构建并筛选可用候选路径，最终利用大语言模型依据路径信息生成答复，可依托结构化知识图谱厘清实体间的关联逻辑，防止大语言模型生成内容产生幻觉问题，同时借助多轮置信度筛选缩小候选范围，提高推理效率与答复准确性。

1.一种基于大模型的知识图谱模糊问答方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于大模型的知识图谱模糊问答方法，其特征在于，所述s30包括：

3.根据权利要求2所述的基于大模型的知识图谱模糊问答方法，其特征在于，所述s40包括：

4.根据权利要求1所述的基于大模型的知识图谱模糊问答方法，其特征在于，所述s50包括：

5.根据权利要求1所述的基于大模型的知识图谱模糊问答方法，其特征在于，所述s60包括：

6.根据权利要求1所述的基于大模型的知识图谱模糊问答方法，其特征在于，所述s70包括：

7.根据权利要求1所述的基于大模型的知识图谱模糊问答方法，其特征在于，所述s80包括：

8.根据权利要求1所述的基于大模型的知识图谱模糊问答方法，其特征在于，所述s90包括：

9.一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存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1至8任一项所述的基于大模型的知识图谱模糊问答方法的步骤。

10.一种计算机设备，其特征在于，包括存储器和处理器；