图谱问答|学习笔记

简介: 快速学习图谱问答

开发者学堂课程【阿里小蜜中的开放语聊技术:图谱问答】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/44/detail/970


图谱问答


图谱问答

第三部分是图谱问答,基于 ocs 的知识问答。图谱问答和业界通用理解的有一定的区别。

image.png

只是利用了一些图谱的知识,构建问答的能力,并没有用传统的记录节点,和基于节点和节点之间的关系的问答,实现这种对话。

第二点,问答并不是为了提供非常大而全的问答能力,而是为了解决在语聊中高频出现的问题,通过这种方式把能力提供出来。

用图谱做离线的 QA 对的抽取, question answer 一个对的抽取,再用文本匹配的方式做线上的问答,所以这里的图谱问答,只是用了图谱里的知识。

先看框图,首先从整个小蜜语聊的问答历史中抽取高频问题,利用图谱知识针对这些高频问题给出相应回答,把能回答的问题构建问答对,用基于检索匹配的方式得到了在线回复能力。

除了利用问答历史抽取高频问题之外,还从问答历史中抽取高频实体,利用图谱的知识,针对高频实体构建实体子图。实体子图是把实体以及和它有关联的其他实体节点,全部保存叫做实体的实体子图。利用实体子图,在在线问答的过程中,可能会遇到几种情况,首先是无歧义的实体答案合成,就是实体并没有歧义的含义,针对这种情况就会合成一种答案。

举个例子,我们通常知道刘德华是香港明星,问题是刘德华的妻子是谁,就找到刘德华的实体子图,通过夫妻关系回答他的妻子是谁,这就叫做无歧义实体答案合成。

第二部分叫歧义实体答案合成,针对像苹果,詹姆斯这些会有歧义的名字,或者产品等实体做回答,比如有人问詹姆斯的身高是多少,会做一个反问,类似于您问的是詹姆斯,勒布朗还是说哈登,这样的反问问题,确定实体到底指的是谁。

最后一个是多实体答案合成,两个实体同一种属性的对比,比如刘德华和古天乐谁比较高,或者谁年龄比较大,类似于这样的问题会给出一个回答。

相关文章
|
存储 Kubernetes 持续交付
介绍一下Kubernetes的应用场景
【10月更文挑战第18天】介绍一下Kubernetes的应用场景。
1023 3
|
8月前
|
人工智能 前端开发 Java
AI大模型进阶系列(03) prompt 工程指南 | 实战核心技术有哪些?
本文深入讲解了AI大模型中的prompt工程。文章分析了role角色(system、user、assistant)的意义,message多轮会话记忆机制,以及prompt的核心三要素(上下文背景、输入内容、输出指示)。同时介绍了多种提示优化技术,如少样本提示、CoT链式思考、prompt chaining链式提示、思维树ToT提示等,还展示了让AI生成提示词的方法,为实际应用提供了全面指导。
|
机器学习/深度学习 人工智能 JSON
LLM 大模型学习必知必会系列(二):提示词工程-Prompt Engineering 以及实战闯关
LLM 大模型学习必知必会系列(二):提示词工程-Prompt Engineering 以及实战闯关
LLM 大模型学习必知必会系列(二):提示词工程-Prompt Engineering 以及实战闯关
|
存储 数据库连接 API
构建RESTful API:使用FastAPI实现高效的增删改查操作
构建RESTful API:使用FastAPI实现高效的增删改查操作
621 0
|
机器学习/深度学习 vr&ar Python
数据分享|R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口
数据分享|R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口
|
存储 数据库 索引
faiss 三种基础索引方式
faiss 三种基础索引方式
962 1
|
SQL 存储 分布式计算
【Hive】hive内部表和外部表的区别
【4月更文挑战第14天】【Hive】hive内部表和外部表的区别
|
Python
Python系列(22)—— 排序函数
Python系列(22)—— 排序函数
|
SQL 存储 HIVE
Hive内部表与外部表的区别及使用场景
Hive内部表与外部表的区别及使用场景