摘要: 针对构建领域问答系统时所面临的数据成本高、知识构建复杂和不同领域数据集差异大等挑战,提出了一种融合大语言模型和领域知识的问答系统构建方法。现有方法多是直接将本地知识语料分段存储匹配,在进行检索增强生成时,查询文本与分段内容语义匹配度不高,从而降低文本生成质量。为此,提出基于提示工程的查询语义对齐优化方法,通过生成“假设性问答对冶来统一用户查询和语料的语义空间,从而提高领域知识的检索效率和答案的准确性。此外,实验证明,所提方法能够克服模型训练成本高的问题,迅速构建部署到不同垂直领域,并在性能上优于其他方法。
中图分类号:
齐思洋 胡慧云 李洪冰 李琦 肖波. 融合大语言模型的领域问答系统构建方法[J]. 北京邮电大学学报, 2024, 47(4): 50-56.
QI Siyang, HU Huiyun, LI Hongbing, LI Qi, XIAO Bo. Domain-Specific
Question Answering System Construction Approach Integrated with Large Language
Model[J]. Journal of Beijing University of Posts and Telecommunications, 2024, 47(4): 50-56.