本技术提供基于知识检索的垂类政务大模型服务方法及系统,涉及大模型技术领域,包括通过自然语言处理模型对所述自然语言查询进行分词和语义理解,提取查询意图,根据所述查询意图确定所述自然语言查询所属的垂直领域;采用注意力机制将查询意图对应的查询语义表示与所述知识节点进行深度匹配,通过跳跃式知识图谱推理方式,获得top‑K个与查询语义表示最相关的知识节点;从每个最相关的知识节点出发,结合所述垂直知识图谱构建可信度传播网络,通过设定最相关的知识节点的初始可信度,迭代计算在可信度传播网络的传播过程中各个最相关的知识节点的可信度,将可信度分数超过预设置信度阈值的最相关的知识节点汇总作为目标回复内容。
背景技术
传统的政务服务模式存在信息获取渠道单一、服务方式呆板、用户体验不佳等问题,难以满足日益增长的个性化、多样化需求。为提升政务服务水平,亟需引入先进的人工智能技术,建立高效、准确、智能的政务问答系统,为公众提供便捷、优质的政务信息查询服务。
目前,常见的问答系统主要采用基于关键词匹配或者浅层语义解析的方法,通过检索问题中的关键词,在预定义的知识库中查找相关答案。这类方法虽然实现简单,但存在诸多局限性:一方面,关键词匹配缺乏对问题语义的深入理解,难以处理复杂的长尾问题;另一方面,预定义知识库的构建和维护成本高,覆盖范围有限,无法应对开放域的多样化查询。此外,传统方法生成的答案通常是简单的事实性陈述,缺乏上下文关联和逻辑推理能力,难以满足用户对答案完整性、可解释性的需求。
实现思路