基于主体语言模型的电力业务AI问答语义检索算法

摘要

由于电力业务涉及广泛而复杂的领域知识，通常以非结构化形式存在，包括电力系统运营、能源管理、电网规划等，使电力业务智能化服务效率较低。为提高服务质量，提出基于主体语言模型的电力业务AI(Artificial Intelligence)问答语义检索算法。利用知识图谱建立电力业务知识库，提供丰富的语义信息和知识存储；采用基于词频-逆向文件频率(TF-IDF:Term Frequency-Inverse Document Frequency),匹配电力业务AI问答语义，在语义匹配的基础上建立主体语言模型(RWT-BERT:Retrieval-Augmented WaveNet Transformers),利用该模型实现更加精确的电力业务AI问答的语义检索功能。实验结果表明，所提方法的检全率与检准率在96%以上，平均倒数排名(MRR:Mean Reciprocal Rank)值最高达94%,具有较高的检索精度和效率。

关键词

主体语言模型 / 语义检索 / 知识图谱 / TF-IDF方法 / 向量空间模型