大语言模型驱动知识图谱多跳推理的军事问答方法与系统技术方案

本发明专利技术公开了大语言模型驱动知识图谱多跳推理的军事问答方法与系统，所述方法包括：给定军事知识图谱与大语言模型，输入为一个军事领域问题；通过大语言模型推理起始实体集合；推理链探索循环，包括：中心临域关系探索、中心临域关系裁剪、中心临域实体探索、以及中心临域实体裁剪；推理路径评估：评估推理路径是否满足问题语义要求，若不满足则继续推理链探索循环，否则确定链尾实体为答案；通过大语言模型辅助理解，给出答案与其推理过程逻辑分析。所述系统包括：起始实体推理模块、推理链探索循环模块、推理路径评估模块和答案辅助分析模块。本申请以军事知识图谱为数据源，以大语言模型驱动，答案准确可信，推理过程可解释。

【技术实现步骤摘要】

本专利技术属于军事知识问答，具体为一种大语言模型驱动知识图谱多跳推理的军事问答方法与系统。

技术介绍

1、军事知识智能问答系统作为一款智能化军队人员专业技术教学装备，旨在提升军队人员普遍的作战能力，为军队人员扩充作战视野、锻炼战略思维，逐渐成为军事领域的研究热门与焦点。

2、目前，相关领域业界人士提出了一系列的基于知识图谱的智能军事问答系统和基于大语言模型对话的智能军事问答系统，也取得了显著的进展，但这些主流方法存在以下难题与挑战：

3、1.基于知识图谱推理的智能军事问答系统：这些方法主要基于传统的模板语义解析、编码解码、语义查询图检索等方式，但这需要专业语言学知识，工作量大；且这些推理方式在语义分析到推理链条的映射过程仍缺乏足够的可解释性，推理安全性无法保证；虽然对短如2跳、3跳问题的准确率令人满意，但对于关系推理长路径，如4跳、5跳下的推理准确率难以保证；此外，此类系统性能很大程度上取决于推理监督数据和知识图谱的构造质量。

4、2.基于大语言模型端到端对话的智能军事问答：首先，大语言模型在对问题的答案直接反馈上，存在本文档来自技高网...

【技术保护点】

1.大语言模型驱动知识图谱多跳推理的军事问答方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的大语言模型驱动知识图谱多跳推理的军事问答方法，其特征在于，步骤S1中，用于答案检索的大规模军事知识图谱，是以Neo4j图数据库驱动，并以Cypher代码执行图谱检索动作；用于答案推理的预训练大语言模型为生成式大语言模型。

3.根据权利要求1所述的大语言模型驱动知识图谱多跳推理的军事问答方法，其特征在于，步骤S2中，图搜索初始化，起始实体推理方法，属于先初筛召回后精筛匹配的图谱实体检索方法，具体流程如下：

4.根据权利要求1所述的大语言模型驱动知识图谱多...

【技术特征摘要】

1.大语言模型驱动知识图谱多跳推理的军事问答方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的大语言模型驱动知识图谱多跳推理的军事问答方法，其特征在于，步骤s1中，用于答案检索的大规模军事知识图谱，是以neo4j图数据库驱动，并以cypher代码执行图谱检索动作；用于答案推理的预训练大语言模型为生成式大语言模型。

3.根据权利要求1所述的大语言模型驱动知识图谱多跳推理的军事问答方法，其特征在于，步骤s2中，图搜索初始化，起始实体推理方法，属于先初筛召回后精筛匹配的图谱实体检索方法，具体流程如下：

4.根据权利要求1所述的大语言模型驱动知识图谱多跳推理的军事问答方法，其特征在于，步骤s2中，图搜索初始化，基于动态规划算法的levenshtein距离字符串相似度比较方法，具体步骤如下：

5.根据权利要求1所述的大语言模型驱动知识图谱多跳推理的军事问答方法，其特征在于，步骤s3中，推理链持续探索循环，采用集束搜索策略的持续...

【专利技术属性】
技术研发人员：金伟强，王晓田，张瑜，闫天，谢峰，李俊辉，石博航，赵彪，张紫薇，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：