买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：内蒙古工业大学

摘要：本发明提供了一种边检法律问答动态检索增强生成方法及系统，包括以下步骤：S1：根据问题生成答案；S2：对生成答案中的法律要素进行抽取，并计算其置信度；其中，若置信度小于阈值，则执行S3，若置信度大于或等于阈值，则输出答案；S3：根据问题在预设知识库中检索法律内容；S4：将检索到的法律内容作为S1的输入信息，并再次执行S1，实现动态检索增强生成，本发明在现有的“检索‑阅读”方法的基础加入了边检法律要素识别步骤，通过对法律要素的置信度来判断生成答案的质量，设置置信度阈值来控制检索，仅在低阈值下进行检索，来提高生成答案中法律知识的质量。

主权项：1.一种边检法律问答动态检索增强生成方法，其特征在于，包括以下步骤：S1：根据问题生成答案；包括：直接生成答案和使用边检法律数据生成答案，答案生成公式分别如下： ；其中，表示生成的答案，q为问题，t为生成次数，t初始为1，每生成一次t+1，表示生成函数，表示检索函数，D为外部法律知识，，包含n个问答对；采用ChatGLM2-6B模型，利用参数有效微调QLoRA及Prompttuning对ChatGLM2-6B模型进行训练；参数有效微调QLoRA方法公式如下： ；其中，为冻住的预训练权重，为增量权重；Prompttuning将特定领域的知识作为输入消息提供给ChatGLM2-6B模型；S2：对生成答案中的法律要素进行抽取，并计算其置信度；其中，若置信度小于阈值，则执行S3，若置信度大于或等于阈值，则输出答案；预测出答案的法律要素集合，w为要素类别总数，公式如下： ；其中，表示边检法律要素识别函数；采用基于AMR链路预测方法进行法律要素识别，其步骤如下：S201：使用AMRParser将答案文本转换成AMRGraph；S202：利用AMR-TextAligner确保AMRgraph中的节点与答案文本中的单词相对应；S203：使用预训练的RoBERTa模型获取答案中每个单词的上下文表示向量 ；S204：在SpanProPosal中计算答案中特定单词范围Span的上下文表示，计算公式如下： ；其中，表示文本中的一个span，表示span起始向量，表示span结束向量，、、是权重矩阵，用于组合不同单词的上下文表示；S205：使用前馈神经网络（FFNN）来为每个span计算logit得分，计算公式如下： ；S206：保留得分最高的前50个span，将保留的span的上下文表示嵌入到AMRgraph中，形成SpanAMRGraph的向量,表示AMRgraph中的点,公式如下： ；其中是指节点类型查找表，包括trigger，surroundtrigger，candidatespan，others四种类型组成；S207：预测出预测每个候选span扮演的法律要素公式如下： ；S208：对法律要素使用FFNN再次生成logit得分，公式如下： ；得到所有法律要素集合的logit得分；S209：使用Minimum对所有logit得分进行计算作为其置信度得分，公式如下： S3：根据问题在预设知识库中检索法律内容；S4：将检索到的法律内容作为S1的输入信息，并再次执行S1，实现动态检索增强生成。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 一种边检法律问答动态检索增强生成方法及系统