一种基于思维图引导推理的大语言模型复杂问答增强方法技术

本发明专利技术公开了一种基于思维图引导推理的大语言模型复杂问答增强方法，该方法包括三部分：第一部分基于大语言模型构建原子问题‑关系训练集并训练专门设计的编码器，以识别每个原子问题的相关关系。第二部分根据给定问题以及选定的原子关系，构建结合知识图谱中的关系和大语言模型固有知识的思维图。第三部分通过思维图引导混合关系感知和关系不感知的检索方式，从知识图谱中检索相关且全面的证据供大语言模型进行推理，生成问题答案。本发明专利技术通过利用知识图谱对齐的关系构建更为准确的思维图，同时通过思维图引导混合检索得到更为全面的推理证据，能够提升大语言模型回答复杂问题的准确性、可解释性及适用性。

【技术实现步骤摘要】

本专利技术涉及自然语言处理和大语言模型领域，具体涉及一种基于思维图引导推理的大语言模型复杂问答增强方法。

技术介绍

1、大语言模型(large language model,llm)因其新兴能力和强大的泛化性，在自然语言处理(natural language processing,nlp)领域引发了深刻的变革。然而，由于大语言模型缺乏特定领域的专业知识、可解释性和对最新知识的实时更新能力，在需要高级推理和领域知识的复杂问答任务中仍然面临诸多局限性。

2、知识图谱(knowledge graph,kg)作为一种结构化、可更新的知识库，具有能够减少知识冗余、提供清晰关系以及高可靠性的特点，被认为是缓解大语言模型上述局限性的有效工具。基于知识图谱的检索增强方法通过从知识图谱中提取三元组来丰富大语言模型的知识，增强其推理能力。然而，这类方法通常忽略了知识图谱的结构特性，并可能引入信息冗余，从而在复杂问答任务中的表现受限。让大语言模型能够对知识图谱进行推理，以获得全面、准确的知识至关重要。

3、在现有研究中，知识图谱增强推理技术被认为是模拟人本文档来自技高网...

【技术保护点】

1.一种基于思维图引导推理的大语言模型复杂问答增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于思维图引导推理的大语言模型复杂问答增强方法，其特征在于，所述步骤S1包含如下子步骤：

3.根据权利要求1所述的基于思维图引导推理的大语言模型复杂问答增强方法，其特征在于，所述步骤S2中：

4.根据权利要求1所述的基于思维图引导推理的大语言模型复杂问答增强方法，其特征在于，所述步骤S3包含如下子步骤：

【技术特征摘要】

1.一种基于思维图引导推理的大语言模型复杂问答增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于思维图引导推理的大语言模型复杂问答增强方法，其特征在于，所述步骤s1包含如下子步骤：

3...

【专利技术属性】
技术研发人员：黄佩萱，李博涵，吴文隆，徐梦飞，徐凤如，陈晨，王昊奋，王萌，魏金占，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：