大语言模型融合知识图谱与向量检索的问答系统

随着深度学习的发展,大型神经网络(大语言模型)在自然语言处理领域的应用逐渐得到广泛认可。相较于传统的问答系统,大语言模型具有更好的表达能力、更强的学习能力和更好的泛化能力。然而,大语言模型在问答系统中存在着幻觉、失效过期,针对大量知识内容无法形成有效连贯的回答等诸多问题。同时,通用大语言模型存在卡脖子、知识外泄等问题,国内大模型存在精度差、专业性不强等问题,导致现今的大模型问答系统使用起来极为不便。本文提出了一种大语言模型融合知识图谱与向量检索的问答系统,旨在补足现有问答存在的问题。该系统利用大语言模型实现了知识图谱的构建与应用;多模型混合调用;结合知识图谱搜索和向量搜索实现了检索结果的最佳化。通过实验表明,本文提出的问答系统综合性能最佳。