一种创新的知识图增强多模块问答系统及方法技术方案

本发明专利技术提出一种创新的知识图增强多模块问答系统及方法，属于人工智能技术领域，包括：假设输出模块、实体命名识别模块、知识图检索模块、噪声过滤模块、倾向性概率评分模块和输出模块；假设输出模块用于接收模糊查询，并利用提问解析器和定制化语言模型，对BERT模型进行调整，以适应问题场景，将模糊查询转换为精准查询，并生成假设回答；输出模块选择具有最高倾向性评分的精准查询和假设回答组，并提供相应的回复，通过融合知识图谱检索技术、大型语言模型以及其他关键模块，实现了对内部知识结构的深入理解和对用户查询的精准响应，能够全面地覆盖与用户查询有关的知识，并提供更深入的回答。

【技术实现步骤摘要】

本专利技术属于人工智能，具体涉及一种创新的知识图增强多模块问答系统及方法。

技术介绍

1、在当今人工智能和自然语言处理（nlp）领域，问答系统已成为信息检索和知识管理的重要工具。这些系统的目标是理解用户提出的问题，并提供准确、相关的答案。随着大型语言模型（llm）的发展，例如chatgpt和llama等，问答系统的性能得到了显著提升。这些模型通过在大规模文本数据上进行预训练，能够生成流畅且信息丰富的答案。

2、然而，对于用户查询关键词少、定义广泛、指向型不清晰的问题，传统问答系统仍然面临一些挑战。这种类型的查询可能会导致系统难以准确理解用户意图并提供相关答案。由于缺乏明确的指导信息，传统系统可能会产生模糊、不精确的回答，降低了系统的可用性和用户满意度。在这种情况下，提高系统的理解能力和回答的精准度尤为重要，以提升系统的性能并满足用户的需求。

3、为了应对这一挑战，本专利提出了一种创新的知识图增强多模块问答系统（kge）。该系统结合了知识图谱检索技术、大型语言模型和一系列其他模块，旨在实现对内部知识结构的深入理解和对用户查询的精准响应本文档来自技高网...

【技术保护点】

1.一种创新的知识图增强多模块问答系统，其特征在于，包括：假设输出模块、实体命名识别模块、知识图检索模块、噪声过滤模块、倾向性概率评分模块和输出模块；

2.根据权利要求1所述的一种创新的知识图增强多模块问答系统，其特征在于，所述实体命名识别模块的实体识别引擎采用HMMs识别算法提取查询中的名词实体。

3.根据权利要求1所述的一种创新的知识图增强多模块问答系统，其特征在于，所述知识图检索模块利用实体编码器K-BERT模型，从医学知识图谱中检索出与模糊查询相关的信息。

4.根据权利要求1所述的一种创新的知识图增强多模块问答系统，其特征在于，所述噪声过滤模块...

【技术特征摘要】

1.一种创新的知识图增强多模块问答系统，其特征在于，包括：假设输出模块、实体命名识别模块、知识图检索模块、噪声过滤模块、倾向性概率评分模块和输出模块；

2.根据权利要求1所述的一种创新的知识图增强多模块问答系统，其特征在于，所述实体命名识别模块的实体识别引擎采用hmms识别算法提取查询中的名词实体。

3.根据权利要求1所述的一种创新的知识图增强...

【专利技术属性】
技术研发人员：段强，张其来，王景坤，李锐，姜凯，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：