摘要
本发明提供了一种基于复杂工艺的知识图谱增强RAG智能问答方法,包括以下步骤:上传异构数据文件,创建嵌入向量和向量索引,得到私有数据库;对私有数据库进行实体关系抽取,得到知识图谱,将知识图谱与大模型结合,得到查询模型;利用查询模型,分解用户问题,识别问题类型、问题意图和实体关系,再判断知识图谱中是否存在相关实体,若是,则利用查询模型输出答案,若否,则调用大语言模型进行推理问答;构建历史问答摘要,优化答案。本发明提高了回答的准确性和可信度,同时知识图谱的可视化表示也使得用户能够更直观地理解系统如何得出特定答案的过程,增强了用户与系统之间的交互性和信任度。
技术关键词
查询模型
智能问答方法
实体关系抽取
大语言模型
异构
文本
答案
构建知识图谱
评分机制
自然语言
意图
索引
理解系统
分块
数据
摘要
解析器
系统为您推荐了相关专利信息
数据考核方法
多源异构数据
视频特征向量
文本特征向量
指标
大语言模型
意图类别
意图识别
问答检索方法
数据
商品需求预测
商品特征信息
大语言模型
人体特征提取
区域位置信息