本發(fā)明屬于數(shù)據(jù)處理，具體涉及一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)前的生成式ai大模型技術(shù)中，雖然這些模型展示了強(qiáng)大的語(yǔ)言理解和生成能力，但它們通常是在廣泛的通用數(shù)據(jù)集上訓(xùn)練的，這導(dǎo)致了其在特定專業(yè)領(lǐng)域的應(yīng)用時(shí)存在明顯的局限性。特別是對(duì)于需要高度專業(yè)知識(shí)和精確性的領(lǐng)域，如征信行業(yè)，現(xiàn)有的ai大模型往往無(wú)法有效地融合專業(yè)知識(shí)，難以提供準(zhǔn)確、專業(yè)的回答。這是因?yàn)檎餍艛?shù)據(jù)具有較高的及時(shí)性和規(guī)定的解讀需要極高的專業(yè)性，而市面上的產(chǎn)品大多缺乏針對(duì)這類特性的優(yōu)化。

2、一個(gè)顯著的技術(shù)問(wèn)題在于，現(xiàn)有技術(shù)中的生成式ai大模型無(wú)法精準(zhǔn)理解并處理征信領(lǐng)域的特殊業(yè)務(wù)需求。例如，在面對(duì)復(fù)雜的征信查詢或規(guī)定解釋時(shí)，這些模型可能會(huì)因?yàn)閷?duì)領(lǐng)域內(nèi)術(shù)語(yǔ)的誤解或不完全理解，而導(dǎo)致信息檢索不準(zhǔn)確或產(chǎn)生誤導(dǎo)性的解釋，從而無(wú)法滿足用戶的具體需求，甚至可能為客戶帶來(lái)額外的風(fēng)險(xiǎn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法及系統(tǒng)，可以為廣大金融機(jī)構(gòu)、投資者提供全方位的規(guī)定解讀服務(wù)、企業(yè)信息掃描、企業(yè)征信數(shù)據(jù)分析及信用風(fēng)險(xiǎn)評(píng)估，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明一方面提供了一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，包括以下步驟：

3、對(duì)各種渠道獲取的大文本數(shù)據(jù)進(jìn)行預(yù)處理，將非文本數(shù)據(jù)轉(zhuǎn)換為文本格式，去除特殊字符和不相關(guān)信息，并分割長(zhǎng)篇文檔為多個(gè)文本塊；

4、使用包含基于規(guī)則和基于深度學(xué)習(xí)的分詞模型對(duì)文本塊中的專業(yè)詞匯、高頻詞匯、核心詞語(yǔ)、上下文關(guān)系進(jìn)行提??；

5、引入包含征信領(lǐng)域?qū)I(yè)詞匯、規(guī)定特色標(biāo)簽、復(fù)雜語(yǔ)義標(biāo)注、詞性標(biāo)注在內(nèi)的征信標(biāo)簽體系，對(duì)文本塊打上基礎(chǔ)標(biāo)簽和征信標(biāo)簽；

6、基于分詞打標(biāo)的結(jié)果，形成標(biāo)簽標(biāo)題，并通過(guò)句子嵌入式模型將文本塊與標(biāo)簽標(biāo)題轉(zhuǎn)化為向量表示，存入向量數(shù)據(jù)庫(kù)中。

7、優(yōu)選的，還包括：獲取用戶問(wèn)題后，使用征信分詞模型和征信標(biāo)簽體系對(duì)用戶問(wèn)題進(jìn)行分詞打標(biāo)，并關(guān)聯(lián)標(biāo)簽標(biāo)題。

8、優(yōu)選的，所述獲取用戶問(wèn)題后，使用征信分詞模型和征信標(biāo)簽體系對(duì)用戶問(wèn)題進(jìn)行分詞打標(biāo)，包括：

9、對(duì)復(fù)雜度較高的問(wèn)題進(jìn)行拆解，識(shí)別其中的實(shí)體、屬性和關(guān)系，并生成上下文關(guān)系標(biāo)簽，存入知識(shí)圖譜。

10、優(yōu)選的，所述對(duì)復(fù)雜度較高的問(wèn)題進(jìn)行拆解，包括：

11、對(duì)拆解后的問(wèn)題進(jìn)行二次分詞打標(biāo)，并將拆解后的問(wèn)題及其打標(biāo)結(jié)果進(jìn)行向量化處理。

12、優(yōu)選的，所述對(duì)拆解后的問(wèn)題進(jìn)行二次分詞打標(biāo)，包括：

13、檢索向量數(shù)據(jù)庫(kù)，先通過(guò)關(guān)鍵詞匹配初步篩選符合的文本塊內(nèi)容，再通過(guò)語(yǔ)義相似度計(jì)算找到最相關(guān)的文本塊。

14、優(yōu)選的，所述通過(guò)語(yǔ)義相似度計(jì)算找到最相關(guān)的文本塊，包括：

15、分別獲得查詢內(nèi)容，并根據(jù)標(biāo)簽標(biāo)題中可能存在的上下文關(guān)系再次的關(guān)系標(biāo)注，確保輸出內(nèi)容的一致性和準(zhǔn)確性。

16、優(yōu)選的，所述根據(jù)標(biāo)簽標(biāo)題中可能存在的上下文關(guān)系再次的關(guān)系標(biāo)注，包括：

17、整合并生成最后輸出內(nèi)容，根據(jù)子查詢內(nèi)容的標(biāo)簽標(biāo)題產(chǎn)生的上下文關(guān)系修正或刪除錯(cuò)誤信息點(diǎn)。

18、優(yōu)選的，所述根據(jù)子查詢內(nèi)容的標(biāo)簽標(biāo)題產(chǎn)生的上下文關(guān)系修正或刪除錯(cuò)誤信息點(diǎn)，包括：

19、提供關(guān)聯(lián)問(wèn)題給用戶選擇，避免用戶未能問(wèn)出實(shí)際想問(wèn)的問(wèn)題，或者引導(dǎo)用戶深入探索相關(guān)問(wèn)題。

20、另一方面，本發(fā)明提出一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答系統(tǒng)，包括：

21、文本預(yù)處理模塊，用于執(zhí)行數(shù)據(jù)預(yù)處理；

22、分詞打標(biāo)模塊，用于執(zhí)行分詞打標(biāo)過(guò)程；

23、向量數(shù)據(jù)庫(kù)模塊，用于存儲(chǔ)和檢索經(jīng)過(guò)向量化處理后的文本塊和標(biāo)簽標(biāo)題；

24、用戶交互模塊，用于接收用戶問(wèn)題，以及提供最終整合后的輸出內(nèi)容和關(guān)聯(lián)問(wèn)題。

25、本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：本發(fā)明提出的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法及系統(tǒng)，與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：

26、本發(fā)明通過(guò)引入專門設(shè)計(jì)的征信分詞模型和征信標(biāo)簽體系，能夠更加準(zhǔn)確地捕捉征信領(lǐng)域的專業(yè)詞匯和語(yǔ)義關(guān)系，并將這些特征轉(zhuǎn)化為向量表示存儲(chǔ)于向量數(shù)據(jù)庫(kù)中。當(dāng)用戶提出問(wèn)題時(shí)，系統(tǒng)可以通過(guò)匹配用戶問(wèn)題與數(shù)據(jù)庫(kù)中的標(biāo)簽標(biāo)題向量來(lái)快速定位最相關(guān)的文本塊，實(shí)現(xiàn)高精度的信息檢索和答案生成。因此，本發(fā)明不僅提升了智能問(wèn)答系統(tǒng)的響應(yīng)速度和準(zhǔn)確性，還確保了答案的專業(yè)性和可靠性，有效解決了現(xiàn)有技術(shù)中征信領(lǐng)域智能問(wèn)答不夠精準(zhǔn)的問(wèn)題。

技術(shù)特征：

1.一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，其特征在于，還包括：

3.根據(jù)權(quán)利要求2所述的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，其特征在于，所述獲取用戶問(wèn)題后，使用征信分詞模型和征信標(biāo)簽體系對(duì)用戶問(wèn)題進(jìn)行分詞打標(biāo)，包括：

4.根據(jù)權(quán)利要求3所述的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，其特征在于，所述對(duì)復(fù)雜度較高的問(wèn)題進(jìn)行拆解，包括：

5.根據(jù)權(quán)利要求4所述的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，其特征在于，所述對(duì)拆解后的問(wèn)題進(jìn)行二次分詞打標(biāo)，包括：

6.根據(jù)權(quán)利要求5所述的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，其特征在于，所述通過(guò)語(yǔ)義相似度計(jì)算找到最相關(guān)的文本塊，包括：

7.根據(jù)權(quán)利要求6所述的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，其特征在于，所述根據(jù)標(biāo)簽標(biāo)題中可能存在的上下文關(guān)系再次的關(guān)系標(biāo)注，包括：

8.根據(jù)權(quán)利要求7所述的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答方法，其特征在于，所述根據(jù)子查詢內(nèi)容的標(biāo)簽標(biāo)題產(chǎn)生的上下文關(guān)系修正或刪除錯(cuò)誤信息點(diǎn)，包括：

9.一種用于實(shí)現(xiàn)根據(jù)權(quán)利要求1-8任意一項(xiàng)所述方法的基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答系統(tǒng)，其特征在于，包括：

10.根據(jù)權(quán)利要求9所述的一種基于征信標(biāo)簽體系增強(qiáng)的rag大模型智能問(wèn)答系統(tǒng)，其特征在于，還包括：

技術(shù)總結(jié)
本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種基于征信標(biāo)簽體系增強(qiáng)的RAG大模型智能問(wèn)答方法及系統(tǒng)，通過(guò)引入專門設(shè)計(jì)的征信分詞模型和征信標(biāo)簽體系，能夠更加準(zhǔn)確地捕捉征信領(lǐng)域的專業(yè)詞匯和語(yǔ)義關(guān)系，并將這些特征轉(zhuǎn)化為向量表示存儲(chǔ)于向量數(shù)據(jù)庫(kù)中。當(dāng)用戶提出問(wèn)題時(shí)，系統(tǒng)可以通過(guò)匹配用戶問(wèn)題與數(shù)據(jù)庫(kù)中的標(biāo)簽標(biāo)題向量來(lái)快速定位最相關(guān)的文本塊，實(shí)現(xiàn)高精度的信息檢索和答案生成。因此，本發(fā)明不僅提升了智能問(wèn)答系統(tǒng)的響應(yīng)速度和準(zhǔn)確性，還確保了答案的專業(yè)性和可靠性，有效解決了現(xiàn)有技術(shù)中征信領(lǐng)域智能問(wèn)答不夠精準(zhǔn)的問(wèn)題。

技術(shù)研發(fā)人員：胡玉煒,喬勝,王霏,劉喜蔓,張鵬,劉鵬
受保護(hù)的技術(shù)使用者：深圳市信聯(lián)征信有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28