智能问答系统能够通过人工智能技术，特别是大型语言模型，为用户提供即时的、针对性的信息回答。然而，由于缺少针对垂直领域的训练，使得 LLM 在垂直领域的表现并不理想。此外，LLM 对计算资源的高需求，令其训练与部署成为一项颇具挑战的任务。为了应对这些挑战，以旅游领域的应用为例，我们着手收集并预处理领域专属数据，融合 LLM 与知识图谱，精心设计了一套适用于垂直领域的智能问答解决方案。在当前的业务场景中，公司面临的一个关键任务是围绕特定的目标城市，梳理和整合文化旅游相关的数据资源，以此构建一个专用的语料库。
该文旅大模型系统旨在提供一个结合了知识图谱技术的垂直领域问答解决方案，专注于湖南省长沙市的文化旅游信息。系统不仅基于大量文旅相关语料库进行大模型微调，实现了基于该语料库的问答系统，还整合了知识图谱，以增强对垂直领域信息的处理和理解能力。该文旅大模型系统主要有两个功能：
1. 问答系统与用户交互平台：基于语料库进行大模型微调，并实现了基于该语料库的问答系统；Web 端的用户可以注册登录，浏览长沙文旅最新信息并且使用在线问答功能，除此之外，用户还可以向管理员反馈信息（包括系统存在的问题或者其他的意见），并且查看自己的历史的大模型问答记录；Web 端的管理员可以登录并对已注册的用户进行管理（包括但不限于删除用户），并对用户提交的反馈信息进行管理（查看反馈信息并解决反馈的问题），管理员还可以对大模型的语料库系统进行管理（包括上传新语料库、删除已有语料库等），除此之外，管理员还可以对用户的大模型问答记录进行查看和管理。
2. 知识图谱集成与管理：系统通过构建和维护一个知识图谱，来提升问答的准确性和深度。知识图谱存储了结构化的文旅信息和实体间的关系，能够辅助大模型进行推理，从而提供更专业和针对性的回答。管理员不仅可以管理用户账户和反馈信息，还能对语料库和知识图谱进行更新与维护，确保系统内容的时效性和准确性。
1、在整个项目中，我负责知识库的构建、RAG构建、大模型部署以及前端页面的开发。
2、整个项目使用技术栈如下：后端框架与语言—Django、Python；前端语言—Javascript、Jquery；大模型框架—LangChain；知识图谱框架—Neo4j
评论