文献类型：期刊文章

作　　者：张鹤译[1] 王鑫[1] 韩立帆[1] 李钊[1] 陈子睿[1] 陈哲[2]

ZHANG Heyi;WANG Xin;HAN Lifan;LI Zhao;CHEN Zirui;CHEN Zhe(College of Intelligence and Computing,Tianjin University,Tianjin 300354,China;Evidence-Based Medicine Center,Tianjin University of Traditional Chinese Medicine,Tianjin 301617,China)

机构地区：[1]天津大学智能与计算学部,天津300354 [2]天津中医药大学循证医学中心,天津301617

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金面上项目(61972275);中国人工智能学会-华为MindSpore学术奖励基金(2022037A)。

年　　份：2023

卷　　号：17

期　　号：10

起止页码：2377-2388

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、DOAJ、IC、JST、ZGKJHX、核心刊

摘　　要：大语言模型(large language model,LLM),包括ChatGPT,在理解和响应人类指令方面表现突出,对自然语言问答影响深远。然而,由于缺少针对垂直领域的训练,LLM在垂直领域的表现并不理想。此外,由于对硬件的高要求,训练和部署LLM仍然具有一定困难。为了应对这些挑战,以中医药方剂领域的应用为例,收集领域相关数据并对数据进行预处理,基于LLM和知识图谱设计了一套垂直领域的问答系统。该系统具备以下能力:(1)信息过滤,过滤出垂直领域相关的问题,并输入LLM进行回答;(2)专业问答,基于LLM和自建知识库来生成更具备专业知识的回答,相比专业数据的微调方法,该技术无需重新训练即可部署垂直领域大模型;(3)抽取转化,通过强化LLM的信息抽取能力,利用生成的自然语言回答,从中抽取出结构化知识,并和专业知识图谱匹配以进行专业验证,同时可以将结构化知识转化成易读的自然语言,实现了大模型与知识图谱的深度结合。最后展示了该系统的效果,并通过专家主观评估与选择题客观评估两个实验,从主客观两个角度验证了系统的性能。

关 键 词：大语言模型(LLM)  知识图谱 问答系统 垂直领域  中医药方剂  

分 类 号：TP391]