申请/专利权人:海乂知信息科技(南京)有限公司
申请日:2024-03-18
公开(公告)日:2024-04-16
公开(公告)号:CN117891930A
主分类号:G06F16/332
分类号:G06F16/332;G06F16/35;G06F16/36
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明公开了一种基于知识图谱增强大语言模型的图书知识问答方法,首先通过大语言模型提取知识并构建知识图谱;在获取原始文档后,采用多种划分方法对原始文档进行逻辑划分得到片段,将片段输入大语言模型进行向量化得到片段向量;在获取用户输入问题后得到知识向量和完整问题向量;将知识向量与完整问题向量进行拼接后,将拼接向量与所有片段向量进行相似度计算,取相似度得分最高的片段向量作为上下文;再基于上下文和用户输入问题生成提示信息,将提示信息输入大语言模型,最终生成问题结果。解决了现有技术中大语言模型难以与知识图谱结合,进而无法更好的应用在图书知识问答场景中的问题。
主权项:1.基于知识图谱增强大语言模型的图书知识问答方法,其特征在于,所述方法包括:通过大语言模型提取知识并构建知识图谱;获取原始文档,采用多种划分方法对所述原始文档进行逻辑划分得到片段,将所述片段输入大语言模型进行向量化,得到片段向量并存储至向量库中;获取用户输入问题,基于所述知识图谱进行知识链接得到多个知识,将所述多个知识逐个输入大语言模型进行向量化,得到多个知识向量;将所述用户输入问题输入大语言模型进行向量化,得到完整问题向量;将所述多个知识向量与完整问题向量进行拼接得到拼接向量;将所述拼接向量与向量库中所有片段向量进行相似度计算,得到相似度得分,根据所述相似度得分取所有片段向量中预设数量的片段向量作为上下文;基于所述上下文和用户输入问题生成提示信息,将所述提示信息输入大语言模型,生成问题结果。
全文数据:
权利要求:
百度查询: 海乂知信息科技(南京)有限公司 基于知识图谱增强大语言模型的图书知识问答方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。