一种基于异质知识的医学多跳文本问答检索增强方法

本发明提供了一种基于异质知识的医学多跳文本问答检索增强方法。该方法首先基于医学文档医学知识图谱构建统一的异质图结构，通过实体‑文档映射关系建立语义桥梁；然后利用大模型对用户输入的复杂医学问题进行语义分解，迭代生成一系列相互独立的原子查询；接着在异质图的实体子图中寻找推理路径，通过融合实体关联文相似度、实体匹配度和路径边权的加权组合计算路径得分；进而采用边际排序损失函数训练检索器，通过正负样本对比学习优化检索效果；最后调用大模型将得分最高的推理路径转换文本，同时提取路径节点对应的文档片段。本发明方法有效解决了现有检索增强技术复杂问题处理能力不足、推理可解释性差等问题，实现了高准确率的医学问答。