买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州昊清科技有限公司;浙江中正智能科技有限公司;信雅达科技股份有限公司

摘要：本发明公开了一种基于知识图谱与大语言模型的智能客服问答方法，包括：步骤1：将客户问题作为查询文本进行意图识别，判断客户问题对应的行业；步骤2：在对应行业的知识库中，搜索客户查询文本相关的专业知识，并将专业知识和客户查询文本同时输入大语言模型，生成初步答案；步骤3：使用大语言模型对生成的初步答案进行三元组抽取，将抽取出的三元组与构建的行业知识图谱进行匹配；步骤4：将知识图谱中匹配到的相关实体数据再次输入到大语言模型，基于客户查询文本进行二次回答，得到最终答案。本发明实现了精准答案提取与自动生成，极大提升了问答的准确性、专业性和交互的自然流畅性；并且，通过二次回答，提高了回答的准确性和专业性。

主权项：1.一种基于知识图谱与大语言模型的智能客服问答方法，其特征在于包括如下步骤：步骤1：将客户问题作为查询文本进行意图识别，判断客户问题对应的行业；步骤2：在对应行业的知识库中，搜索客户查询文本相关的专业知识，并将专业知识和客户查询文本同时输入大语言模型，生成初步答案；步骤3：使用大语言模型对生成的初步答案进行三元组抽取，将抽取出的三元组与构建的行业知识图谱进行匹配；行业知识图谱构建中，命名实体识别的过程包括如下步骤：步骤3.1：对行业数据进行预处理；步骤3.2：对预处理的数据进行编码；采用四层嵌入从不同层面对行业数据文本进行编码；通过标记嵌入，将行业数据中的离散词语转换为连续的向量空间，捕捉词语之间的语义相似性，并为每个词提供一个基础表示；通过标记嵌入将行业文本xi映射为实数向量ei；ei＝Qtokenonehotxi式中，Qtoken表示固定大小的词嵌入矩阵，onehot.为one-hot编码函数，行业文本序列为x＝{x1，x2，……，xn}，其中n输入序列长度，xi表示序列重地i个字，i＝1,2,···,n；通过位置嵌入，编码词语在句子或文本中的位置信息，使模型区分不同位置上的词语，并捕捉词语之间的相对距离；位置嵌入为每个字xi的位置编码固定大小的向量pi： 式中，k表示维度索引，l表示字符嵌入的维度；通过句子嵌入，将词嵌入或词级别的表示进行组合，捕捉句子的语义和上下文信息；句子嵌入对标记嵌入和位置嵌入输出进行加权平均计算，得到整个句子的向量表示s： 式中，W1，W2分别表示标记嵌入、位置嵌入的权重矩阵；通过任务嵌入，引入任务相关的嵌入向量，将模型的注意力和重点放在当前任务上，使模型学习任务特定的信息和模式；通过梯度下降学习到任务嵌入并输入编码器中，计算输入序列与其他位置的注意力分数αi： 式中，d表示注意力机制的维度；qi表示经过线性变换后得到的查询向量；对αi进行加权平均，计算相应位置的输入向量zi： 式中，u表示词向量个数，vj表示第j个词向量线性变换结果；全连接计算；通过前馈神经网络对每个位置的输出向量进行全连接，得到最终输出向量Ti：Ti＝ReLUziw1+b1w2+b2式中，ReLU表示激活函数；w1、w2表示训练权重，b1、b2表示偏置；步骤3.3：引入字库数据并进行编码；步骤3.4：基于门控循环单元的联合编码；使行业数据编码后的向量与字库编码后的向量维度统一，以获取两种编码的字符表示，在联合编码时，先用门控循环单元对标准化的向量进行定长处理并横向拼接，再对序列数据进行处理，融合关键特征并生成联合编码表示；步骤3.5：将门控循环单元输出的字符序列作为长短期记忆模型的输入序列，提取行业数据的实体；步骤4：将知识图谱中匹配到的相关实体数据再次输入到大语言模型，基于客户查询文本进行二次回答，得到最终答案。

全文数据：

权利要求：

百度查询： 杭州昊清科技有限公司 浙江中正智能科技有限公司 信雅达科技股份有限公司 一种基于知识图谱与大语言模型的智能客服问答方法