本技术公开一种基于大模型与多种知识库融合的法律问答方法,包括如下步骤:获取用户的输入信息,对输入信息进行意图识别;所述意图识别的结果包括:案件判决预测,撰写法律文书,常规法律问答;收集法律文本,构建罪名知识图谱、向量知识库和法律文书模板知识库;根据意图识别的结果匹配知识库中可用的知识,结合可用知识根据意图识别的结果匹配Prompt并输入大模型中,输出符合用户意图的问答结果。本发明构建不同的知识库,根据用户的特定意图匹配不同的知识库和提示词,从而提高了模型对特定任务的理解,通过思维链方法引导模型进行逐步推理,提高模型输出的可解释性和准确性,满足法律领域需要证据的需求。
背景技术
在现代信息检索和智能问答领域,随着大数据和人工智能技术的迅猛发展,智能问答系统得到了广泛的应用。大语言模型在诸如问答、机器翻译和文本生成等多种NLP(Natural Language Processing,自然语言处理)任务中展现出了卓越的性能,其通过使用专业的法规政策知识语料对大语言模型进行训练,能够理解较为复杂的用户问题,回答效果较好;但也同时存在一些缺点,例如存在幻觉、可解释性差等问题,当大模型应用于法律领域等有着高准确率要求的领域时,面临着更大的挑战,如法律的时效性,知识推理的逻辑性和准确性。
生成式模型普遍存在幻觉问题,生成的答案文本通常缺乏详细的解释和依据,可能存在编造法条或司法解释的情况,难以满足法律场景中对于生成内容的专业性和准确性的要求。
此外,可解释性对于在法律领域信任和有效使用大模型至关重要。如果不能解释模型是如何得出结论,那么在法律这种需要高度精准和可靠决策的领域可能会存在风险。这在某种程度上限制了其在法律领域的应用。
实现思路