本發(fā)明涉及計算機，特別涉及一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法。

背景技術(shù)：

1、llm憑借其強大的文本生成和理解能力，在問答系統(tǒng)、對話生成、文本創(chuàng)作等多個應(yīng)用場景中展現(xiàn)出巨大的潛力，然而，在實際應(yīng)用中，工業(yè)生產(chǎn)制造零部件數(shù)字人問答；農(nóng)業(yè)作物數(shù)字人問答，文博館、旅游景點數(shù)字人講解、問答；導(dǎo)購數(shù)字人講解問答等方面不是特別準(zhǔn)確和全面。

2、現(xiàn)有技術(shù)中，llm在回答問題時主要依賴于其訓(xùn)練過程中學(xué)到的知識和模式。然而，由于訓(xùn)練數(shù)據(jù)的多樣性和復(fù)雜性，llm在處理特定領(lǐng)域或復(fù)雜問題時，往往難以準(zhǔn)確捕捉用戶意圖，導(dǎo)致生成的回答與真實需求存在偏差。此外，llm在處理包含多個相關(guān)上下文的問題時，可能因缺乏有效的上下文管理機制而生成不一致或冗余的回答。

3、因此，本申請研制了一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法，以解決現(xiàn)有技術(shù)中存在的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明目的是：提供一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法，以解決現(xiàn)有技術(shù)中在llm在回答用戶問題或與客戶進行問答時，其答案不準(zhǔn)確的問題。

2、本發(fā)明的技術(shù)方案是：一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法，包括以下步驟：

3、s1：匹配講解目標(biāo)：將用戶傳感器和目標(biāo)傳感器匹配，使目標(biāo)傳感器接收到用戶傳感器的信號；

4、s2：構(gòu)建目標(biāo)知識庫和生成知識庫權(quán)重：根據(jù)目標(biāo)用戶群體和需求來定義知識庫的類型，并建立數(shù)據(jù)庫，根據(jù)匹配的用戶id，生成一組知識庫權(quán)重；

5、s3：上下文檢索：根據(jù)用戶的需求，通過問題詞嵌入和知識向量庫詞嵌入切片檢索出與用戶問題相關(guān)的上下文；

6、s4：對上下文檢索按權(quán)重加權(quán)并重新排序：將步驟s3中檢索的上下文根據(jù)步驟s2中的知識庫權(quán)重進行加權(quán)，對檢索的上下文進行重新排序得到目標(biāo)知識上下文；

7、s5：生成問題結(jié)果：將步驟s4中重新排序后的目標(biāo)知識上下文和用戶問題作為llm的輸入，并根據(jù)用戶提示，生成問題答案。

8、優(yōu)選的，步驟s2中生成知識庫權(quán)重包括以下子步驟：

9、s2.1：明確權(quán)重評估標(biāo)準(zhǔn)；

10、s2.2：選擇權(quán)重的計算方法；

11、s2.3：根據(jù)內(nèi)容的重要性和相關(guān)性進行權(quán)重的分配。

12、優(yōu)選的，步驟s2中，根據(jù)數(shù)據(jù)庫構(gòu)建知識相關(guān)性向量庫，如下所示，

13、

14、xi,xj為知識庫中的單個樣本；

15、n為知識庫樣本總數(shù)；

16、xij為xi與xj的相關(guān)性。

17、優(yōu)選的，步驟s4包括以下子步驟：

18、s4.1：讀取輸入的上下文；

19、s4.2：生成多個候選結(jié)果，每個結(jié)果代表不同的可能輸出；

20、s4.3：提取候選結(jié)果中相關(guān)性、置信度的特征；

21、s4.4：基于候選結(jié)果的相關(guān)性和置信度及上下文一致性，根據(jù)預(yù)設(shè)的規(guī)則或模型，給每個候選結(jié)果分配權(quán)重；

22、s4.5：使用分配的權(quán)重對候選結(jié)果進行加權(quán)，計算加權(quán)得分，并根據(jù)加權(quán)得分對候選結(jié)果進行排序，選擇得分最高的結(jié)果作為最終輸出，得到重新排序后的目標(biāo)知識上下文。

23、優(yōu)選的，步驟s4中的重新排序采用如下方式：

24、將步驟s3中知識檢索相似度與步驟s2中知識相關(guān)性向量整合，當(dāng)匹配目標(biāo)id為m時，

25、

26、simsoi為原始知識檢索相似度；

27、simswi為整合后的知識檢索相似度；

28、fpos(x)＝2×sigmoid(x)-1

29、

30、score_max＝1；

31、score_min＝0；

32、alpha＝[0,10]。

33、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點是：

34、(1)通過對上下文結(jié)果進行權(quán)重加權(quán)和重排序，llm能夠優(yōu)先考慮與查詢最相關(guān)、最重要的信息，使生成的回答更加準(zhǔn)確；

35、(2)通過加權(quán)和重排序，llm能夠剔除不相關(guān)或冗余的信息，專注于與問題相關(guān)的特征，從而提高回答的準(zhǔn)確性；

36、(3)通過目標(biāo)知識庫權(quán)重的分配，llm可以優(yōu)先考慮那些對用戶問題最相關(guān)的內(nèi)容，從而生成更精準(zhǔn)的回答；

37、(4)權(quán)重的排序可以根據(jù)用戶的需求或歷史問題進行調(diào)整，從而提供更符合用戶需求的響應(yīng)。

技術(shù)特征：

1.一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法，其特征在于：步驟s2中生成知識庫權(quán)重包括以下子步驟：

3.根據(jù)權(quán)利要求2所述的一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法，其特征在于：步驟s2中，根據(jù)數(shù)據(jù)庫構(gòu)建知識相關(guān)性向量庫，如下所示，

4.根據(jù)權(quán)利要求1所述的一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法，其特征在于：步驟s4包括以下子步驟：

5.根據(jù)權(quán)利要求3所述的一種基于目標(biāo)權(quán)重提高llm問題回答準(zhǔn)確性的方法，其特征在于：步驟s4中的重新排序采用如下方式：

技術(shù)總結(jié)
本發(fā)明涉及計算機技術(shù)領(lǐng)域，具體涉及一種基于目標(biāo)權(quán)重提高LLM問題回答準(zhǔn)確性的方法，包括以下步驟：S1：匹配講解目標(biāo)：S2：構(gòu)建目標(biāo)知識庫和生成知識庫權(quán)重：根據(jù)目標(biāo)用戶群體和需求來定義知識庫的類型，并建立數(shù)據(jù)庫，根據(jù)匹配的用戶I?D，生成一組知識庫權(quán)重；S3：上下文檢索：根據(jù)用戶的需求，通過問題詞嵌入和知識向量庫詞嵌入切片檢索出與用戶問題相關(guān)的上下文；S4：對上下文檢索按權(quán)重加權(quán)并重新排序：將步驟S3中檢索的上下文根據(jù)步驟S2中的知識庫權(quán)重進行加權(quán)，對檢索的上下文進行重新排序得到目標(biāo)知識上下文；S5：生成問題結(jié)果：將步驟S4中重新排序后的目標(biāo)知識上下文和用戶問題作為LLM的輸入，并根據(jù)用戶提示，生成問題答案。

技術(shù)研發(fā)人員：封朝陽,梁閏,蘭宇,郭寅一
受保護的技術(shù)使用者：江蘇隱宇科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9