【技术实现步骤摘要】
本申请涉及人工智能领域，更具体地说，涉及一种问答任务处理方法、装置、设备及可读存储介质。
技术介绍
1、自然语言处理(natural language processing,nlp)是计算机科学领域与人工智能领域中的一个重要方向。自然语言处理领域中目前研究最广泛的便是大规模语言模型(large language model，llm)，最典型的例子便是chatgpt。大规模语言模型是采用预训练技术和人类反馈的方法进行训练，可以生成各种类型的文本，可以在多个场景下与用户实现流畅的自然语言对话和问答。然而现有的大规模语言模型在涉及各行业的专业领域的问答过程中经常会出现一本正经胡说八道的现象，也即人工智能幻觉，导致现有的大规模语言模型在专业领域中的答复的准确性较低。
技术实现思路
1、本申请实施例提供了一种问答任务处理方法、装置、设备及可读存储介质，能够提高大规模语言模型答复的准确性。
2、有鉴于此，本申请实施例提供了一种问答任务处理方法，所述方法包括：
3、接收用户输入的目标问题；
4、判断所述目标问题是否存在专业回复；
5、若所述目标问题存在专业回复，获取所述专业回复，并将所述专业回复作为目标答案；
6、若所述目标问题不存在专业回复，根据所述目标问题确定目标大规模语言模型；
7、根据所述目标问题从多模态记忆库中获取答复素材；
8、将所述目标问题和所述答复素材输入所述目标大规模语言模型生成所述目标问题的目
9、将所述目标答案返回给所述用户。
10、可选地，所述判断所述目标问题是否存在专业回复，包括：
11、获取所述多模态记忆库中存储的专业问题，所述多模态记忆库包括每个所述专业问题对应的专业回复；
12、将所述目标问题与所述专业问题进行语义分析对比，得到语义相似度；
13、若所述语义相似度高于预设阈值，则确定所述目标问题存在专业回复，并将语义相似度最高的专业问题对应的专业回复作为所述目标问题的专业回复；
14、若所述语义相似度低于预设阈值，则确定所述目标问题不存在专业回复。
15、可选地，所述根据所述目标问题确定目标大规模语言模型，包括：
16、获取所述目标问题对应的领域和所述用户的问答需求；
17、根据所述领域和所述问答需求确定所述目标大规模语言模型。
18、可选地，所述根据所述目标问题从多模态记忆库中获取答复素材，包括：
19、获取所述目标大规模语言模型对应的目标流程模板；
20、根据所述目标问题和所述目标流程模板从多模态记忆库中获取答复素材。
21、可选地，在所述接收用户输入的目标问题之前，所述方法还包括：
22、接收用户输入的实时私域数据，所述实时私域数据包括专业问题和所述专业问题对应的专业答复；
23、对所述实时私域数据进行预处理，得到待存储数据；
24、将所述待存储数据存储于所述多模态记忆库中。
25、可选地，所述方法还包括：
26、接收用户输入的复杂任务；
27、判断所述复杂任务是否存在对应的目标拆解模版；
28、若所述复杂任务存在对应的目标拆解模版，根据所述目标拆解模版对所述复杂任务进行拆解，得到多个子任务；
29、若所述复杂任务不存在对应的目标拆解模版，则基于任务拆解模型对所述复杂任务进行拆解，得到多个子任务；
30、分别对每个子任务进行处理，得到所述每个子任务的处理结果；
31、将所述每个子任务的处理结果返回给用户。
32、可选地，所述分别对每个子任务进行处理，得到所述每个子任务的处理结果，包括：
33、分别确定与每个子任务对应的机器人流程自动化应用程序；
34、分别调用每个机器人流程自动化应用程序执行对应的子任务，得到每个子任务的处理结果。
35、本申请实施例还提供了一种问答任务处理装置，所述装置包括：
36、接收单元，用于接收用户输入的目标问题；
37、判断单元，判断所述目标问题是否存在专业回复；
38、获取单元，若所述目标问题存在专业回复，获取所述专业回复，并将所述专业回复作为目标答案；
39、确定单元，若所述目标问题不存在专业回复，根据所述目标问题确定目标大规模语言模型；
40、所述获取单元，还用于根据所述目标问题从多模态记忆库中获取答复素材；
41、生成单元，用于将所述目标问题和所述答复素材输入所述目标大规模语言模型生成所述目标问题的目标答案；
42、返回单元，用于将所述目标答案返回给所述用户。
43、本申请实施例还提供了一种计算机设备，包括：存储器、处理器以及总线系统；
44、其中，所述存储器用于存储程序；
45、所述处理器用于执行所述存储器中的程序，以实现上述所述的任意一种问答任务处理方法；
46、所述总线系统用于连接所述存储器以及所述处理器，以使所述存储器以及所述处理器进行通信。
47、本申请实施例还提供了一种计算机可读存储介质，存储有指令，当其在计算机上运行时，使得计算机执行如上述所述的任意一种问答任务处理方法。
48、本申请实施例提供了一种问答任务处理方法，所述方法包括：接收用户输入的目标问题；判断所述目标问题是否存在专业回复；若所述目标问题存在专业回复，获取所述专业回复，并将所述专业回复作为目标答案；若所述目标问题不存在专业回复，根据所述目标问题确定目标大规模语言模型；根据所述目标问题从多模态记忆库中获取答复素材；将所述目标问题和所述答复素材输入所述目标大规模语言模型生成所述目标问题的目标答案；将所述目标答案返回给所述用户。可见，在本申请中，若检索到用户输入的目标问题存在对应的专业回复，便可以将该专业回复作为目标答案返回给用户；若目标问题不存在对应的专业回复，再通过确定对应的目标大规模语言模型来生成目标答案，从而可以避免大规模语言模型在专业领域的问答过程中出现人工智能幻觉的现象，提高大规模语言模型答复的准确性。
本文档来自技高网...【技术保护点】
1.一种问答任务处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述判断所述目标问题是否存在专业回复，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述目标问题确定目标大规模语言模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标问题从多模态记忆库中获取答复素材，包括：
5.根据权利要求1所述的方法，其特征在于，在所述接收用户输入的目标问题之前，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述分别对每个子任务进行处理，得到所述每个子任务的处理结果，包括：
8.一种问答任务处理装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：存储器、处理器以及总线系统；
10.一种计算机可读存储介质，其特征在于，存储有指令，当其在计算机上运行时，使得计算机执行如权利要求1至7中任一项所述的方法。
【技术特征摘要】
1.一种问答任务处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述判断所述目标问题是否存在专业回复，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述目标问题确定目标大规模语言模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标问题从多模态记忆库中获取答复素材，包括：
5.根据权利要求1所述的方法，其特征在于，在所述接收用户输入的目标问题之前，所述方法还包括：<...
【专利技术属性】
技术研发人员：陈丹，经琴，孟祥德，欧阳晔，
申请(专利权)人：亚信科技中国有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。