CN116860985A - 一种基于知识图谱的自然语言交互软件框架及其构建方法 - Google Patents
一种基于知识图谱的自然语言交互软件框架及其构建方法 Download PDFInfo
- Publication number
- CN116860985A CN116860985A CN202310638728.6A CN202310638728A CN116860985A CN 116860985 A CN116860985 A CN 116860985A CN 202310638728 A CN202310638728 A CN 202310638728A CN 116860985 A CN116860985 A CN 116860985A
- Authority
- CN
- China
- Prior art keywords
- user
- software
- knowledge
- instruction
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 37
- 238000010276 construction Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000002452 interceptive effect Effects 0.000 claims abstract description 12
- 230000006399 behavior Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 238000005065 mining Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 239000013589 supplement Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的自然语言交互软件框架及其构建方法，该方法包括以下过程：用户自然语言输入模块采集输入并传送给用户指令解释引擎，用户指令解释引擎进行解析，并与通过基于知识图谱的三层存储框架的交互进行推理与操作指令生成，并将操作指令传递给软件系统进行结果反馈。大语言模型或专用语言模型仅在指令解释引擎生成操作指令失败时为指令生成提供帮助。本发明基于知识图谱的三层存储框架包括业务知识层、用户实例层和物理数据层。本发明可以降低专有场景下自然语言交互的实现成本，为一般软件提供了一种自然语言交互的通用架构与实现方法，对在垂直领域内实现更安全，更准确，更可信的自然语言交互具有很重要的现实意义。
Description
技术领域
本发明属于自然语言处理领域，涉及知识图谱知识表征与推理领域，具体涉及一种基于知识图谱的自然语言交互软件框架及其构建方法。
背景技术
随着计算机技术的发展和普及，人机交互方式也不断地发展和演变。目前大部分软件还在使用键鼠标的交互方式，这种交互方式足够准确，但是通常需要用户熟悉和掌握各种元素和操作方式，对于用户来说交互成本相对较高。近年来大语言模型提升了人类与计算机通过自然语言交互的效率，提供了更加自然、智能的交互方式，提高了用户在交互体验。以自然语言为主的人机交互方式展现出了新的可能性与发展潜力，有望成为未来各种软件、平台的常规交互范式。然而，大语言模型的训练成本及部署成本较高，且生成内容的正确性难以确保，内容可信度和模型可解释性差，限制了其在垂直领域中的应用。
发明内容
本发明的目的在于提供一种基于知识图谱的自然语言交互软件框架及其构建方法，以解决传统人机交互方式与大语言模型在专有场景中的应用中存在的问题，本发明利用知识图谱对专有场景的结构化表达与基于知识图谱的推理，在实现自然语言交互方式的同时，降低对于大语言模型的依赖，实现更便捷，更安全，更准确，更可信的自然语言交互。
为达到上述目的，本发明采用如下技术方案：
一种基于知识图谱的自然语言交互软件框架的构建方法，包括如下过程：
指令输入：将用户输入的指令转换为文本形式的指令；
指令解析：对所述文本形式的指令进行解析，判断用户意图，逐级解析业务类型与业务内容；
指令推理：利用基于知识图谱的三层存储架构对所述解析的业务类型与业务内容展开推理；
推理判断：重复所述指令解析与指令推理的过程，直到推理成功，则通过指令解析的过程生成操作指令，再执行操作指令；若推理失败，则引入大语言模型或者专用语言模型辅助指令解析的过程来解析用户输入，大语言模型或者专用语言模型对指令解析的解析结果进行补充，并将生成任务分解为知识图谱可以直接处理的子任务，则重复进行指令解析的过程；
执行操作指令：将指令解析得到的用户指令传递给专有场景软件系统执行，并反馈执行结果。
优选的，用户输入的指令包括文本信息和语音信息中的至少一种。
优选的，所述语音信息通过神经网络转化为文本信息。
优选的，所述基于知识图谱的三层存储架构对系统知识、软件知识进行存储。
优选的，所述专有场景软件系统为具体垂直领域的软件系统。
优选的，所述基于知识图谱的三层存储架构的内容包括：
业务知识层：其中包括由系统提供的系统业务图谱、由软件功能提供的软件基础业务图谱与由用户操作行为获取的知识挖掘业务图谱；通过人工或三元组抽取算法对目标构建业务领域知识进行数据与关系抽取与整合，构建得到业务知识层中的系统业务图谱；通过人工或三元组抽取算法对目标专有场景软件提供的软件操作知识进行数据与关系的抽取和整合，构建得到业务知识层中的软件基础业务图谱；知识挖掘业务图谱，所述知识挖掘业务图谱是对通过知识挖掘提供的高阶业务操作知识进行数据与关系的抽取和整合而得到的；
用户实例层：其中包括用户进行软件操作产生的用户行为图谱、软件内部调用产生的软件操作图谱与用户信息抽象的用户画像图谱；用户行为图谱，所述用户行为图谱是对具体用户的操作行为进行数据与关系的抽取与整合得到的；软件操作图谱，所述软件操作图谱是对用户指令生成的软件操作数据进行数据与关系的抽取和整合而得到的；用户画像图谱，所述用户画像图谱是对具体的用户具体操作的数据进行统计分析并进行数据与关系的抽取和整合而得到的；
物理数据层：其中包括软件运行信息的软件底层数据、软件对外部信息访问产生的外部访问数据与软件需要访问网络获取的网络接口数据；由人工对构建目标软件所需要的基本数据进行整理，通过数据库方式建立面向机器存取的软件底层数据；由人工对外部可以访问的数据，包括对工作日志进行整理，通过数据库方式建立面向机器存取的软件底层数据；由人工对系统中的网络接口数据进行整理，通过数据库方式建立面向机器存取的软件底层数据。
优选的，所述业务知识层和用户实例层的构建方法包括如下过程：
业务知识层及用户实例层中构建的知识图谱，包括实体节点与执行节点；
其中，实体节点提供专有场景下的抽象元素的相关信息，存储了抽象元素的属性，执行节点执行业务逻辑功能；
其中，执行节点分为业务逻辑节点与业务执行节点，业务逻辑节点用于描述业务的执行逻辑，含有能够由解释引擎执行的推理代码，辅助知识图谱的推理过程；
业务逻辑节点为业务的特有节点，业务逻辑节点规定了业务名称，业务需要的系统输入与用户输入，并在获取输入之后将输入传递给业务执行节点，并且业务执行节点对应软件执行接口，在用户指令解释引擎的辅助下生成向目标软件交互的操作指令。
本发明还提供了一种基于知识图谱的自然语言交互软件框架，包括用户自然语言输入模块、用户指令解释引擎、基于知识图谱的三层存储架构、软件系统和大语言模型或专用语言模型；
其中，用户自然语言输入模块用于采集用户输入的指令并将用户输入的指令统一转换为文本形式的指令，将文本形式的指令送入用户指令解释引擎；
用户指令解释引擎用于接收用户自然语言输入模块的输出，并对文本形式的指令进行解析，判断用户意图，逐级解析业务类型与业务内容；
基于知识图谱的三层存储架构用于接收用户指令解释引擎的当前解析内容，基于知识图谱，展开推理；
若基于知识图谱的三层存储架构推理成功，用户指令解释引擎生成操作指令，将操作指令发送给专有场景软件系统；若推理失败，将引入大语言模型或者专用语言模型辅助用户指令解释引擎解析用户输入，大语言模型或者专用语言模型对用户指令引擎的解析结果进行补充，并将生成任务分解为知识图谱可以直接处理的子任务，用户指令解释引擎再对该子任务进行处理；用户指令解释引擎和基于知识图谱的三层存储架构重复执行操作，直到基于知识图谱的三层存储架构推理成功；
用户指令解释引擎将成功生成的操作指令传递给专有场景软件系统执行，并专有场景软件系统反馈执行结果。
本发明还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明如上所述的基于知识图谱的自然语言交互软件框架的构建方法。
本发明还提供了一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明如上所述的基于知识图谱的自然语言交互软件框架的构建方法。
与现有技术相比，本发明具有以下的技术效益：
本发明提出了一种通用的基于知识图谱的自然语言交互软件框架，避免了在专有场景下使用大语言模型实现自然语言交互的缺陷，为垂直领域专有场景的交互方式转变提供了可移植性高，通用性好的新可能；本发明定义了以基于知识图谱的三层架构和用户指令解释引擎为核心的从自然语言到操作指令的转换方式，基于知识图谱的三层架构可以在提供高可解释性的同时，提高用户指令解释引擎的准确性，帮助指令解释引擎更贴切地理解用户意图，更准确地生成操作指令；本发明可以在软件交互方式新的革命中降低专有场景下自然语言交互的成本，对垂直领域内实现更安全、更准确、更可信的自然语言交互具有很重要的现实意义。
附图说明
图1为本发明的业务实现流程图；
图2为本发明实施例中的系统整体架构图；
图3为本发明实施例中基于知识图谱的三层存储架构；
图4为本发明实施例中的交互界面；
图5为本发明实施例中的业务知识层；
图6为本发明实施例中的业务实现流程。
具体实施方式
下面结合附图和实例对本发明的具体实施方式作进一步详细描写。以下实施用于解释本发明，但不用来限制本发明的范围。
本发明基于知识图谱的自然语言交互软件框架定义用户与软件交互的步骤如图1所示：
步骤1、用户通过文本或语音输入指令，用户自然语言输入模块采集用户输入并将用户输入统一转换为文本形式，送入用户指令解释引擎；
步骤2、用户指令解释引擎接收用户输入后，对用户输入进行解析，判断用户意图，逐级解析业务类型与业务内容；
步骤3、基于知识图谱的三层存储架构接收用户指令解释引擎的当前解析内容，基于知识图谱，展开推理；
步骤4、重复步骤2、步骤3，直到推理成功，用户指令解释引擎生成操作指令，转入步骤5；推理时，若推理失败，将引入大语言模型或者专用语言模型辅助用户指令解释引擎解析用户输入，大语言模型或者专用语言模型对用户指令引擎的解析结果进行补充，并将生成任务分解为知识图谱可以直接处理的子任务，返回步骤2；
步骤5、用户指令解释引擎将成功生成的操作指令传递给专有场景软件系统执行，并将执行结果反馈给用户。
在此框架中，系统包含五个子模块，系统框架如图2所示：
其中，用户的输入包括文本信息和语音信息中的一种，语音信息通过神经网络转化为文本信息；
其中，用户指令解析引擎负责对用户输入产生的文本信息进行解析，并与其他模块进行交互；
其中，基于知识图谱的三层存储架构对系统知识、软件知识进行存储；
其中，软件系统为具体垂直领域的软件系统；
其中，大语言模型或专用语言模型负责对用户指令引擎的结果进行补充，并将生成任务分解为知识图谱可以直接处理的子任务；
此框架中，基于知识图谱的三层存储架构的体系结构如图3所示，包含三个层次：
第一层、业务知识层。其中包括由系统提供的系统业务图谱、由软件功能提供的软件基础业务图谱与由用户操作行为获取的知识挖掘业务图谱；通过人工或三元组抽取算法对目标构建业务领域知识进行数据与关系抽取与整合，构建得到业务知识层中的系统业务图谱；通过人工或三元组抽取算法对目标专有场景软件提供的软件操作知识进行数据与关系的抽取和整合，构建得到业务知识层中的软件基础业务图谱；知识挖掘业务图谱，所述知识挖掘业务图谱是对通过知识挖掘提供的高阶业务操作知识进行数据与关系的抽取和整合而得到的；
第二层、用户实例层。其中包括用户进行软件操作产生的用户行为图谱、软件内部调用产生的软件操作图谱与用户信息抽象的用户画像图谱；用户行为图谱，所述用户行为图谱是对具体用户的操作行为进行数据与关系的抽取与整合得到的；软件操作图谱，所述软件操作图谱是对用户指令生成的软件操作数据进行数据与关系的抽取和整合而得到的；用户画像图谱，所述用户画像图谱是对具体的用户具体操作的数据进行统计分析并进行数据与关系的抽取和整合而得到的；
第三层、物理数据层。包括软件运行信息的软件底层数据、软件对外部信息访问产生的外部访问数据与软件需要访问网络获取的网络接口数据；由人工对构建目标软件所需要的基本数据进行整理，通过数据库方式建立面向机器存取的软件底层数据；由人工对外部可以访问的数据，如对工作日志进行整理，通过数据库方式建立面向机器存取的软件底层数据；由人工对系统中的网络接口数据进行整理，通过数据库方式建立面向机器存取的软件底层数据。
基于知识图谱的三层存储架构的第一层与第二层知识图谱的构建方法如下：
业务知识层及用户实例层中构建的知识图谱，包括实体节点与执行节点；其中，实体节点提供专有场景下的抽象元素的相关信息，存储了抽象元素的属性，执行节点执行业务逻辑功能。其中，执行节点又分为业务逻辑节点与业务执行节点，业务逻辑节点用于描述业务的执行逻辑，含有能够由解释引擎执行的推理代码，辅助知识图谱的推理过程；业务逻辑节点为业务的特有节点，业务逻辑节点规定了业务名称，业务需要的系统输入与用户输入，并在获取输入之后将输入传递给业务执行节点，并且业务执行节点对应软件执行接口，在用户指令解释引擎的辅助下生成向目标软件交互的操作指令。
构建完成后，用户输入自然语言，即可实现软件系统的指定输出。
实施例
本实施例中，当前专有场景为图像绘制软件，软件系统本身包含键鼠交互的实现以及绘图展示窗口，通过本发明调整系统架构，实现自然语言交互方式，可以让用户仅通过自然语言输入指令，即可在绘图窗口中完成图像绘制，图像属性设置，图像删除等功能。本发明的优势在于通过用户指令解释引擎与基于知识图谱的三层存储架构实现用户输入的精准解析，使得自然语言交互的业务实现方式更安全、更准确、更可信。
首先，依据发明的业务实现流程以及整体架构分别构建五个子模块：用户自然语言输入模块、用户指令解释引擎、基于知识图谱的三层存储架构、软件系统和大语言模型。将模块组合完成系统构建。
如图4所示的软件交互页面，包含图像显示区域，键鼠操作区以及命令输入区。其中图像显示区域以及键鼠操作区均属于软件系统；命令输入区属于用户自然语言输入模块；其余模块均未在用户界面予以展示，作为系统内部功能实现自然语言输入到结果展示。
如图5所示的业务知识图谱对绘图软件的系统与业务相关知识进行了结构化的表达，知识图谱描述了绘图软件的窗口元素及其关系，除此之外，该知识图谱包含了创建，设置，查询等绘图场景下的通用业务逻辑节点，并可以由此业务逻辑节点找到对应的业务执行节点，业务逻辑节点与业务执行节点辅助用户指令解释引擎精准分析用户输入，帮助用户指令解释引擎准确完成自然语言到操作命令的转换。
如图6所示的一般业务实现流程：如果用户输入为“在像素点(100，200)位置画一个半径为60像素的蓝色圆”，用户自然语言输入模块将用户输入传递给用户指令解释引擎。用户指令解释引擎首先基于业务知识图谱的业务逻辑节点判断用户意图为“创建”；依据创建业务逻辑节点的用户输入与系统输入，用户指令解释引擎分析创建类型，得到创建类型为“圆”；再依据知识图谱中“圆”的实体节点得到可指定参数，用户指令解释引擎基于可指定参数对用户输入进行分析匹配，得到“x＝100,y＝200,r＝60,color＝blue”；参数匹配完成后，用户指令解释引擎可以基于业务执行节点“创建”生成对应指令，并传递给软件系统，软件系统会画出一个圆展示给用户。
如果用户输入为“画一个太阳”，用户自然语言输入模块将用户输入传递给用户指令解释引擎。用户指令解释引擎首先基于业务知识图谱的业务逻辑节点判断用户意图为“创建”；由于找不到可用的创建类型，因此用户指令解释引擎将用户输入传递给大语言模型进行子任务生成后，由用户指令解释引擎分别进行子任务的指令生成，并依次传递给软件系统进行反馈展示。
可以看出，本发明可以降低专有场景下自然语言交互的实现成本，为一般软件提供了一种自然语言交互的通用架构与实现方法，对在垂直领域内实现更安全，更准确，更可信的自然语言交互具有很重要的现实意义。
Claims (10)
1.一种基于知识图谱的自然语言交互软件框架的构建方法，其特征在于，包括如下过程：
指令输入：将用户输入的指令转换为文本形式的指令；
指令解析：对所述文本形式的指令进行解析，判断用户意图，逐级解析业务类型与业务内容；
指令推理：利用基于知识图谱的三层存储架构对所述解析的业务类型与业务内容展开推理；
推理判断：重复所述指令解析与指令推理的过程，直到推理成功，则通过指令解析的过程生成操作指令，再执行操作指令；若推理失败，则引入大语言模型或者专用语言模型辅助指令解析的过程来解析用户输入，大语言模型或者专用语言模型对指令解析的解析结果进行补充，并将生成任务分解为知识图谱可以直接处理的子任务，则重复进行指令解析的过程；
执行操作指令：将指令解析得到的用户指令传递给专有场景软件系统执行，并反馈执行结果。
2.根据权利要求1所述的一种基于知识图谱的自然语言交互软件框架的构建方法，其特征在于，用户输入的指令包括文本信息和语音信息中的至少一种。
3.根据权利要求2所述的一种基于知识图谱的自然语言交互软件框架的构建方法，其特征在于，所述语音信息通过神经网络转化为文本信息。
4.根据权利要求1所述的一种基于知识图谱的自然语言交互软件框架的构建方法，其特征在于，所述基于知识图谱的三层存储架构对系统知识、软件知识进行存储。
5.根据权利要求1所述的一种基于知识图谱的自然语言交互软件框架的构建方法，其特征在于，所述专有场景软件系统为具体垂直领域的软件系统。
6.根据权利要求1所述的一种基于知识图谱的自然语言交互软件框架的构建方法，其特征在于，所述基于知识图谱的三层存储架构的内容包括：
业务知识层：其中包括系统业务图谱、由软件功能提供的软件基础业务图谱与由用户操作行为获取的知识挖掘业务图谱；通过人工或三元组抽取算法对目标构建业务领域知识进行数据与关系抽取与整合，构建得到业务知识层中的系统业务图谱；通过人工或三元组抽取算法对目标专有场景软件提供的软件操作知识进行数据与关系的抽取和整合，构建得到业务知识层中的软件基础业务图谱；知识挖掘业务图谱，所述知识挖掘业务图谱是对通过知识挖掘提供的高阶业务操作知识进行数据与关系的抽取和整合而得到的；
用户实例层：其中包括用户进行软件操作产生的用户行为图谱、软件内部调用产生的软件操作图谱与用户信息抽象的用户画像图谱；用户行为图谱，所述用户行为图谱是对具体用户的操作行为进行数据与关系的抽取与整合得到的；软件操作图谱，所述软件操作图谱是对用户指令生成的软件操作数据进行数据与关系的抽取和整合而得到的；用户画像图谱，所述用户画像图谱是对具体的用户具体操作的数据进行统计分析并进行数据与关系的抽取和整合而得到的；
物理数据层：其中包括软件运行信息的软件底层数据、软件对外部信息访问产生的外部访问数据与软件需要访问网络获取的网络接口数据；由人工对构建目标软件所需要的基本数据进行整理，通过数据库方式建立面向机器存取的软件底层数据；由人工对外部可以访问的数据，包括对工作日志进行整理，通过数据库方式建立面向机器存取的软件底层数据；由人工对系统中的网络接口数据进行整理，通过数据库方式建立面向机器存取的软件底层数据。
7.根据权利要求6所述的一种基于知识图谱的自然语言交互软件框架的构建方法，其特征在于，所述业务知识层和用户实例层的构建方法包括如下过程：
业务知识层及用户实例层中构建的知识图谱，包括实体节点与执行节点；
其中，实体节点提供专有场景下的抽象元素的相关信息，存储了抽象元素的属性，执行节点执行业务逻辑功能；
其中，执行节点分为业务逻辑节点与业务执行节点，业务逻辑节点用于描述业务的执行逻辑，含有能够由解释引擎执行的推理代码，辅助知识图谱的推理过程；
业务逻辑节点为业务的特有节点，业务逻辑节点规定了业务名称，业务需要的系统输入与用户输入，并在获取输入之后将输入传递给业务执行节点，并且业务执行节点对应软件执行接口，在用户指令解释引擎的辅助下生成向目标软件交互的操作指令。
8.一种基于知识图谱的自然语言交互软件框架，其特征在于，包括用户自然语言输入模块、用户指令解释引擎、基于知识图谱的三层存储架构、软件系统和大语言模型或专用语言模型；
其中，用户自然语言输入模块用于采集用户输入的指令并将用户输入的指令统一转换为文本形式的指令，将文本形式的指令送入用户指令解释引擎；
用户指令解释引擎用于接收用户自然语言输入模块的输出，并对文本形式的指令进行解析，判断用户意图，逐级解析业务类型与业务内容；
基于知识图谱的三层存储架构用于接收用户指令解释引擎的当前解析内容，基于知识图谱，展开推理；
若基于知识图谱的三层存储架构推理成功，用户指令解释引擎生成操作指令，将操作指令发送给专有场景软件系统；若推理失败，将引入大语言模型或者专用语言模型辅助用户指令解释引擎解析用户输入，大语言模型或者专用语言模型对用户指令引擎的解析结果进行补充，并将生成任务分解为知识图谱可以直接处理的子任务，用户指令解释引擎再对该子任务进行处理；用户指令解释引擎和基于知识图谱的三层存储架构重复执行操作，直到基于知识图谱的三层存储架构推理成功；
用户指令解释引擎将成功生成的操作指令传递给专有场景软件系统执行，并专有场景软件系统反馈执行结果。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7任意一项所述的基于知识图谱的自然语言交互软件框架的构建方法。
10.一种存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的基于知识图谱的自然语言交互软件框架的构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310638728.6A CN116860985A (zh) | 2023-05-31 | 2023-05-31 | 一种基于知识图谱的自然语言交互软件框架及其构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310638728.6A CN116860985A (zh) | 2023-05-31 | 2023-05-31 | 一种基于知识图谱的自然语言交互软件框架及其构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116860985A true CN116860985A (zh) | 2023-10-10 |
Family
ID=88217995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310638728.6A Pending CN116860985A (zh) | 2023-05-31 | 2023-05-31 | 一种基于知识图谱的自然语言交互软件框架及其构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116860985A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117217238A (zh) * | 2023-11-09 | 2023-12-12 | 成都理工大学 | 一种基于大型语言模型的智能交互系统及方法 |
-
2023
- 2023-05-31 CN CN202310638728.6A patent/CN116860985A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117217238A (zh) * | 2023-11-09 | 2023-12-12 | 成都理工大学 | 一种基于大型语言模型的智能交互系统及方法 |
| CN117217238B (zh) * | 2023-11-09 | 2024-01-30 | 成都理工大学 | 一种基于大型语言模型的智能交互系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100476819C (zh) | 一种基于Web的数据挖掘系统及其控制方法 | |
| CN111915540B (zh) | 拓片甲骨文字符图像增广方法、系统、计算机设备及介质 | |
| CN104572072B (zh) | 一种对基于mvc模式的程序的语言转换方法与设备 | |
| Walczak | Knowledge acquisition and knowledge representation with class: the object-oriented paradigm | |
| EP3296866B1 (en) | Method implemented by a computer that presents software-type applications based on design specifications | |
| CN110750298B (zh) | 一种ai模型编译方法、设备及存储介质 | |
| CN116860985A (zh) | 一种基于知识图谱的自然语言交互软件框架及其构建方法 | |
| CN107704235A (zh) | 图形化建模中数据流程图的解析方法、系统及存储介质 | |
| CN116719911B (zh) | 自动化流程生成方法、装置、设备及存储介质 | |
| CN111857470A (zh) | 一种生产设备的无人值守控制方法、装置和控制器 | |
| CN115423101A (zh) | 基于编译器的张量数据计算推理方法、装置及存储介质 | |
| CN110991279B (zh) | 文档图像分析与识别方法及系统 | |
| Chari et al. | An implementation of a graph-based modeling system for structured modeling (GBMS/SM) | |
| CN114138274A (zh) | 一种深度学习编译器的高层中间表示转换方法及相关装置 | |
| CN116541943A (zh) | 智能交互式建筑结构设计方法、装置、平台及电子设备 | |
| CN111459460A (zh) | 一种业务数据处理方法及系统 | |
| US20230041718A1 (en) | Automated code generation based on pseudo-code | |
| CN112181511B (zh) | 一种可执行的情报分析流交互配置生成方法 | |
| Peters et al. | Using IDEF0 for dynamic process analysis | |
| Binder et al. | Automated model transformation in modeling digital twins of industrial internet-of-things applications utilizing AutomationML | |
| Martínez-Gárate et al. | Model-driven approaches for conversational agents development: A systematic mapping study | |
| CN115222058A (zh) | 调控系统运行状态分析模型构建方法及装置、介质及设备 | |
| CN114896918A (zh) | 针对功能函数模块的实时可视化方法和系统 | |
| Zhang et al. | RapidMS: A Tool for Supporting Rapid Microservices Generation and Refinement from Requirements Model | |
| CN110942139A (zh) | 深度学习神经网络部署系统及其方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |