基于知识图谱的智能问答方法及系统技术方案

技术编号：44931550 阅读：12 留言：0更新日期：2025-04-08 19:13

本发明专利技术提供了一种基于知识图谱的智能问答方法及系统，方法包括以下步骤：从产品数据库或知识管理系统中获取知识图谱数据，并将其结构化为节点关键词列表和实体关键词列表；对结构化数据进行整理，生成关系结果表和文本结果表。基于知识图谱数据，构建社区层次结构，提取社区标题、总结、影响评分及评分解释；结合GRAPHRAG算法的全局搜索策略，生成社区关键点描述；本发明专利技术通过对节点和实体的结构化处理，简化知识图谱索引构建，提高了社区识别和关键见解提取的效率；通过社区层次化总结和全局搜索与Reduce阶段的结合，减少计算开销，实现多源信息的深度整合与分析，显著提升响应速度和用户体验。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及自然语言处理，尤其涉及一种基于知识图谱的智能问答方法及系统。

技术介绍

1、随着信息化水平的提升，智能客服系统在处理用户咨询方面发挥着越来越重要的作用。现有的智能客服系统多依赖于预设的回复模板或简单的关键词匹配技术，难以处理复杂的查询或提供精确的信息回复。

2、graphrag（graph retrieval-augmented generation）是一种结合了知识图谱和检索增强生成（retrieval-augmented generation, rag）技术的创新框架‌。通过引入图结构数据处理技术，显著增强了模型在处理复杂信息和关系方面的能力。这种技术使得生成的文本更好地反映了数据的结构特性，特别适用于需要深度理解和综合多源信息的场景。

3、然而，现有的graphrag系统在索引构建阶段，必须从文本中提取节点、实体及其关系，并据此构建知识图谱和形成社区结构，这不仅是一个时间消耗很大的过程，而且由于知识图谱的开放性和不受限制，其应用范围受到限制，不能广泛推广使用。

4、此外，在其使用的全局搜索策略中，map阶段需遍历每个指定级别的社区，生成中间响应；随后在reduce阶段（reduce阶段‌是map阶段输出的中间结果进行汇总和处理，最终生成所需的输出结果），系统必须筛选并聚合中间响应中的关键元素。这种处理流程不仅耗时，而且在对响应速度要求极高的客服系统中，可能严重影响用户体验和系统效率。

5、因此，需要设计一种基于知识图谱的智能问答方法及系统用于解决上述技术问题。</p>

技术实现思路

1、本专利技术提供一种基于知识图谱的智能问答方法及系统，用于解决
技术介绍
中所提及的技术问题。

2、为解决上述问题，本专利技术提供以下技术方案：一种基于知识图谱的智能问答方法，包括以下步骤：

3、s1，从产品数据库或知识管理系统中获取知识图谱数据，包括维度指标、描述性文本块和层级关系数据；

4、s2，将知识图谱数据结构化为节点关键词列表和实体关键词列表；

5、s3，对结构化的节点关键词列表和实体关键词列表进行整理，生成关系结果表和文本结果表；

6、s4，基于知识图谱数据，生成社区层次结构，包括社区标题、社区总结、影响严重程度评分及评分解释；

7、s5，结合知识图谱数据和社区层次结构，采用graphrag算法的全局搜索策略，生成社区关键点的描述；

8、s6，根据用户输入的问题，提取关键信息并分类；

9、s7，根据用户问题从关系结果表和文本结果表中检索相关向量化数据，包括节点、社区报告、文本块和graphrag算法生成的map结果；

10、s8，基于graphrag算法的reduce阶段，结合提示词模板生成最终回复。

11、进一步的，在步骤s1中，包括：

12、s101，获取维度指标，包括产品参数、功能特点和适用场景；

13、s102，提取描述性文本块，记录每个维度指标的说明性内容；

14、s103，获取层级关系数据，用于定义知识图谱中各节点之间的上下级关系。

15、进一步的，在步骤s2中，包括：

16、s201，构建节点关键词列表，提取知识图谱中的维度指标作为节点关键词，并计算节点的关联度degree值；

17、s202，构建实体关键词列表，提取节点中包含的实体关键词，为每个实体生成唯一标识并按“地点”、“产品”、“组织”进行分类。

18、进一步的，在步骤s3中，包括：

19、s301，构建关系结果表，根据节点关键词列表和输入的维度指标定义，将描述内容调整为适合客服系统的表达形式；

20、s302，构建文本结果表，提取所有层级的文本内容，构建统一的文本结果表；文本结果表按主题和层级组织，便于快速检索和关联。

21、进一步的，在步骤s4中，包括：

22、s401：生成社区标题，根据社区内的核心关键词和实体关系提取标题；

23、s402：生成社区总结，描述社区的整体结构性信息；

24、s403：生成影响严重程度评分，根据社区内节点的重要性和关联度，给出0到10的评分；

25、s404：生成评分解释，描述评分的依据；

26、s405：提炼社区内的关键见解，生成详细发现点。

27、进一步的，在步骤s5中，包括：

28、s501．描述社区关键点，对社区内每个关键点生成全面描述，确保内容准确且详尽。

29、s502．提供数据支持，对列出的关键点提供相关数据支持，并附带引用的报告或证据作为参考。

30、s503．给出关键点的重要性得分，为每个关键点分配一个介于0到100之间的整数分数。

31、进一步的，在步骤s6中，包括：

32、s601：识别用户情绪状态，生成情绪评分，情绪范围为0到10；

33、s602：提取用户问题中涉及的咨询产品；

34、s603：对问题进行分类，包括闲聊类和问答类；

35、s604：识别用户问题所涉及的产品类别；

36、s605：提取问题上下文中的关键内容并生成摘要。

37、进一步的，在步骤s8中，包括：

38、s801：构建searchresult格式的数据结构，用于统一化回答生成数据；

39、s802：配置固定回复策略，包括无数据答案的预设话术；

40、s803：调用大模型生成个性化回复，根据用户情绪状态调整语气和回答内容。

41、本专利技术还提供一种基于知识图谱的智能问答系统，包括以下模块：

42、知识获取模块，用于从产品数据库或知识管理系统中获取知识图谱数据，包括维度指标、描述性文本块和层级关系数据；

43、数据结构化模块，与所述知识获取模块连接，用于将所述知识图谱数据结构化为节点关键词列表和实体关键词列表；

44、数据整理模块，与所述数据结构化模块连接，用于对结构化的节点关键词列表和实体关键词列表进行整理，生成关系结果表和文本结果表；

45、社区层次生成模块，与所述数据整理模块连接，用于基于知识图谱数据生成社区层次结构，包括社区标题、社区总结、影响严重程度评分及评分解释；

46、社区关键点描述模块，与所述社区层次生成模块连接，用于结合知识图谱数据和社区层次结构，采用graphrag算法的全局搜索策略生成社区关键点的描述；

47、用户问题处理模块，用于接收用户输入的问题并提取关键信息进行分类；

48、数据检索模块，与所述用户问题处理模块连接，用于根据用户问题从关系结果表和文本结果表中检索相关向量化数据，包括节点、社区报告、文本块和graphrag算法生成的map结果；

49、回复生成模块，与所述数据检索模块本文档来自技高网...

【技术保护点】

1.一种基于知识图谱的智能问答方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于知识图谱的智能问答方法，其特征在于，在步骤S1中，包括：

3.根据权利要求2所述的基于知识图谱的智能问答方法，其特征在于，在步骤S2中，包括：

4.根据权利要求3所述的基于知识图谱的智能问答方法，其特征在于，在步骤S3中，包括：

5.根据权利要求4所述的基于知识图谱的智能问答方法，其特征在于，在步骤S4中，包括：

6.根据权利要求5所述的基于知识图谱的智能问答方法，其特征在于，在步骤S5中，包括：

7.根据权利要求6所述的基于知识图谱的智能问答方法，其特征在于，在步骤S6中，包括：

8.根据权利要求7所述的基于知识图谱的智能问答方法，其特征在于，在步骤S8中，包括：

9.一种基于知识图谱的智能问答系统，其特征在于，包括以下模块：

【技术特征摘要】

1.一种基于知识图谱的智能问答方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于知识图谱的智能问答方法，其特征在于，在步骤s1中，包括：

3.根据权利要求2所述的基于知识图谱的智能问答方法，其特征在于，在步骤s2中，包括：

4.根据权利要求3所述的基于知识图谱的智能问答方法，其特征在于，在步骤s3中，包括：

5.根据权利要求4所述的基于知识图谱的智能...

【专利技术属性】
技术研发人员：徐伟峰，
申请(专利权)人：深圳杰微芯片科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人