虚交所-虚拟资产交易平台  

加关注9

　　摘要：针对构建领域问答系统时所面临的数据成本高、知识构建复杂和不同领域数据集差异大等挑战，提出了一种融合大语言模型和领域知识的问答系统构建方法。现有方法多是直接将本地知识语料分段存储匹配，在进行检索增强生成时，查询文本与分段内容语义匹配度不高，从而降低文本生成质量。为此，提出基于提示工程的查询语义对齐优化方法，通过生成“假设性问答对”来统一用户查询和语料的语义空间，从而提高领域知识的检索效率和答案的准确性。此外，实验证明，所提方法能够克服模型训练成本高的问题，迅速构建部署到不同垂直领域，并在性能上优于其他方法。

　　文章目录

　　1 问答系统框架

　　1.1 领域知识自动抽取

　　1.2 对齐优化方法

　　1.3 向量知识库构建

　　1.4 问题检索与答案生成

　　2 实验设置

　　2.1 实验环境

　　2.2 数据集

　　2.3 评价指标

　　2.4 基准方法

　　3 实验及结果分析

　　3.1 知识向量召回数量选择

　　3.2 问答系统构建时间

　　3.3 问答系统回答性能

　　3.4 消融实验

　　3.5 基座语言模型影响分析

　　3.6 实例分析

　　4 结束语