一种面向技术监督的知识库大模型协同问答方法及设备与流程

摘要: 本技术涉及人工智能,尤其涉及一种面向技术监督的知识库大模型协同问答方法及设备。背景技术:1、随着人工智能技术的不断发展,企业逐渐开始部署大语言模型,利用大语言模...
一种面向技术监督的知识库大模型协同问答方法及设备与流程

本技术涉及人工智能,尤其涉及一种面向技术监督的知识库大模型协同问答方法及设备。

背景技术:

1、随着人工智能技术的不断发展,企业逐渐开始部署大语言模型,利用大语言模型强大的自然语言理解能力和知识处理能力,用户可以快速查询专业知识、检查和整理工作内容等,极大地提升了人们的工作效率。

2、但是,在电力、储能等专业领域,业务专业性强,并且存在大量复杂和不断迭代的标准规范,而现有的大语言模型只能检索和理解浅层的文本语义信息,无法理解深层次的技术逻辑,导致查询结果的准确性较差。因此,大语言模型的语义理解能力和决策分析能力均有待提升。

技术实现思路

1、本技术实施例提供一种面向技术监督的知识库大模型协同问答方法及设备,可以理解深层次的技术逻辑,提高查询结果的专业度和准确度。

2、为达到上述目的,本技术的实施例采用如下技术方案:

3、第一方面,提供了一种面向技术监督的知识库大模型协同问答方法,该方法包括:获取查询信息;对查询信息进行解析,确定查询信息对应的结构化约束信息,结构化约束信息包括基于查询信息确定的条件上下文和查询指标参数;分别从多个检索维度在查询数据库中对查询信息进行检索,确定各检索维度对应的候选证据信息,并基于各检索维度的维度置信度,确定多个检索维度中的目标检索维度,利用目标检索维度对应的候选证据信息,确定查询信息对应的目标证据集;在预设条件数据库中查询条件上下文和查询指标参数对应的目标约束集;利用大语言模型对目标证据集进行分析,确定查询信息对应的初始答案信息,并利用目标约束集,对初始答案信息进行合规性校验,并基于校验结果确定查询信息对应的目标答案信息。

4、在该方法中,通过对查询信息进行解析,确定结构化约束信息,从多个检索维度对查询信息进行检索,确定各检索维度对应的候选证据信息,并根据维度置信度筛选目标检索维度,可以过滤查询噪声,减少运算量,提升查询证据的可靠性和准确率。而且,通过利用大语言模型对目标证据集进行分析,确定初始答案信息,再结合目标约束集,对初始答案信息进行合规性校验,确定最终的目标答案信息,可以深层次挖掘专业技术逻辑,提升查询结果的准确率和可靠性。

5、在一些实施例中,候选证据信息包括多个候选证据和各候选证据的得分;上述基于各检索维度的维度置信度,确定多个检索维度中的目标检索维度,利用目标检索维度对应的候选证据信息,确定查询信息对应的目标证据集的方法可以包括:在多个检索维度中,将维度置信度高于预设置信度阈值的检索维度确定为目标检索维度,并将目标检索维度对应的候选证据信息确定为目标候选证据信息;基于目标候选证据信息中各目标候选证据的全局融合指标值,并根据全局融合指标值,对各目标候选证据进行排序,得到第一排序结果;全局融合指标值是基于目标候选证据在目标候选证据信息中的得分排名和目标检索维度对应的维度权重确定的;针对每个目标候选证据,通过交叉编码器对目标候选证据和查询信息进行相关性分析,确定目标候选证据与查询信息的相关性指标值,并利用相关性指标值,对第一排序结果进行更新,得到第二排序结果;基于第二排序结果,确定目标证据集,目标证据集包括各目标候选证据对应的细粒度信息和父级上下文信息。

6、通过该实施例,可以根据维度置信度筛选目标检索维度,剔除本次查询中判别力弱、易产生噪声的检索维度,减少无效数据运算,也可以结合目标候选证据的排名与检索维度的维度权重计算全局融合指标值对目标候选证据进行初步排序,再引入交叉编码器进行深度语义排序,提升候选证据的排序精准度,进而利用排序后的目标候选证据,确定目标证据集,可以生成准确度高、可溯源的证据集,为后续答案生成提供可靠依据,并且减少运算量,提升查询结果的生成效率和可靠性。

7、在一些实施例中,上述方法还可以包括:针对每个检索维度,基于检索维度对应的候选证据信息中各候选证据的得分,计算得分最高的候选证据与得分次高的候选证据之间的得分差值,得到峰度置信度,并利用softmax函数,将各候选证据的得分转换为得分概率,基于各候选证据的得分概率,计算检索维度对应的候选证据信息的熵置信度;对峰度置信度和熵置信度进行加权融合,确定检索维度的维度置信度。

8、通过该方法,可以结合查询信息对应的候选证据的得分情况,综合确定每个检索维度的维度置信度,避免使用固定置信度,能够提高确定目标候选证据信息的准确性和可靠性,提升查询准确度。

9、在一些实施例中,结构化约束信息还包括各检索维度对应的基础权重,全局融合指标值与目标候选证据在目标候选证据信息中的得分排名负相关,与目标检索维度对应的维度权重正相关;目标检索维度对应的维度权重,是通过基于目标检索维度对应的基础权重和预设递增函数,对目标检索维度的维度置信度进行处理确定的。

10、通过该实施例,可以确定不同类型的查询信息的维度置信度,据此筛选有效检索维度。例如,对于精确指标类的查询信息,语义向量检索维度的相似度得分通常分布平缓、区分效果弱,对应的维度置信度较低,检索维度被降权或被抑制,避免语义检索噪声挤占精确匹配证据的排序位次,而对于概念定义类的查询信息,语义向量维度的匹配效果更好,得分分布区分显著、维度置信度更高,维度权重得到增强。

11、在一些实施例中,条件上下文包括多个条件参数,预设条件数据库用于存储多条数值规范中各数值规范对应的六元组信息,六元组信息包括对应数值规范的指标参数和作用域,作用域包括由多个条件特征值构成的条件特征元组。上述在预设条件数据库中查询条件上下文和查询指标参数对应的目标约束集的方法可以包括:在预设条件数据库中,将指标参数与查询指标参数匹配,且作用域与条件上下文匹配度最高的六元组信息确定为目标约束集;其中,作用域与条件上下文匹配度最高包括:作用域中条件特征值与条件上下文中条件参数相匹配的数量最多。

12、通过该实施例,可以根据查询指标参数和条件上下文与预设条件数据库中相应信息的匹配程度,确定目标约束集,能够实现约束条目层级的识别,选取场景限定更适合的约束条目,区分通用约束与专用约束,避免直接套用适用范围宽泛的通用规则而引发场景错配问题,提升约束匹配结果的准确性与可靠性。

13、在一些实施例中,查询信息包括阈值条件,目标约束集包括至少一个目标六元组信息,初始答案信息包括阈值条件对应的判断结果。上述利用目标约束集,对初始答案信息进行合规性校验,并基于校验结果确定查询信息对应的目标答案信息的方法可以包括:将阈值条件转换为统一量纲后的数值区间,并将数值区间分别与各目标六元组信息中的约束区间进行比较,确定阈值条件是否合规;以及,将数值区间代入目标六元组信息,进行逻辑推演,确定推演结果与初始答案信息中的判断结果是否相符;在推演结果与初始答案信息中的判断结果相符的情况下,确定初始答案信息校验通过,将初始答案信息确定为目标答案信息。

14、通过该实施例,可以分别进行阈值条件校验以及判断结果校验,兼顾约束规则正确性与推理逻辑正确性,解决单一字符串匹配无法识别逻辑错误的问题,并且只在两次验证通过时确定最终校验通过,从规则与逻辑两层维度对初始答案信息进行验证,确保初始答案信息的可靠性和准确性。

15、在一些实施例中,上述方法还可以包括:在预设条件数据库中,确定同一指标参数对应的数值约束存在冲突的多个六元组信息;基于多个六元组信息的来源可靠度和生效时间,在多个六元组信息中确定有效六元组信息,并删除多个六元组信息中除有效六元组信息以外的其他六元组信息。

16、通过该方法,可以对预设条件数据库进行一致性维护,确保其中六元组信息的有效性,提升查询结果的可靠性和准确度。

17、在一些实施例中,上述方法还可以包括:在基于校验结果确定初始答案信息校验不通过的情况下,基于初始答案信息生成纠正信息;将纠正信息和目标证据集输入大语言模型,对初始答案信息进行更新,迭代更新直至初始答案信息对应校验结果指示校验通过时,将初始答案信息确定为目标答案信息,或者迭代次数达到预设次数阈值时,将基于目标约束集确定的预设答案信息确定为目标答案信息。

18、通过该实施例,可以根据校验结果驱动大语言模型进行迭代纠错,利用纠正信息精准提示错误点,优先实现模型自主修正,在无法纠正成功时回退至约束导出的预设答案信息,既可以保障答案可读性,又避免输出不可信的内容,提升了查询答案的可靠性。

19、在一些实施例中,上述方法还可以包括:在基于校验结果确定初始答案信息校验不通过时,获取用户对目标答案信息的反馈信息;基于查询信息、初始答案信息和反馈信息,更新预设置信度阈值和目标检索维度对应的基础权重。

20、通过该方法,可以利用模型校验失败的查询信息以及用户的反馈信息形成闭环迭代优化机制,周期性更新检索维度的基础权重与预设置信度阈值,持续优化检索融合能力,使系统随使用过程不断适配业务场景,改善后续问答的召回与输出质量。

21、第二方面,提供了一种面向技术监督的知识库大模型协同问答装置,该装置包括:获取模块,用于获取查询信息;解析模块,用于对查询信息进行解析,确定查询信息对应的结构化约束信息,结构化约束信息包括基于查询信息确定的条件上下文和查询指标参数;检索模块,用于分别从多个检索维度在查询数据库中对查询信息进行检索,确定各检索维度对应的候选证据信息,并基于各检索维度的维度置信度,确定多个检索维度中的目标检索维度,利用目标检索维度对应的候选证据信息,确定查询信息对应的目标证据集;查询模块,用于在预设条件数据库中查询条件上下文和查询指标参数对应的目标约束集;校验模块,用于利用大语言模型对目标证据集进行分析,确定查询信息对应的初始答案信息,并利用目标约束集,对初始答案信息进行合规性校验,并基于校验结果确定查询信息对应的目标答案信息。

22、第三方面,提供了一种电子设备,包括:存储器和至少一个处理器。该存储器与处理器通信连接。该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令。当处理器执行计算机指令时,使得电子设备执行如第一方面及其任一种可能的实现方式所述的方法。

23、第四方面,本技术实施例提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令。当该计算机指令被处理器执行时,用于实现如第一方面及其任一种可能的实现方式所述的方法。

24、第五方面,本技术实施例提供一种计算机程序产品,当该计算机程序产品在计算机上运行/被计算机的处理器执行时,实现如第一方面及其任一种可能的设计方式所述的方法。其中,该计算机可以是上述第三方面及其任一种可能的实现方式中所述的电子设备。

25、可以理解地,上述提供的第二方面所述的面向技术监督的知识库大模型协同问答装置,第三方面所述的电子设备,第四方面所述的计算机可读存储介质,第五方面所述的计算机程序产品所能达到的有益效果,可参考如第一方面及其任一种可能的实现方式中的有益效果,此处不再赘述。