基于半结构化表格数据问答的大模型优化方法
知识产权简介
一种半结构化表格数据的问答方法,针对输入的半结构化表格,构建 HO-Tree 以准确表示表头和内容之间的多级关联关系,并将表格结构序列化存储,以便后续高效查询。然后,基于用户提出的自然语言问题,将复杂问题拆分为多个子问题,生成对应的操作流水线,并在 HO-Tree 上执行这些操作,以逐步构建最终答案。此外,为了提高问答过程的准确性,本申请引入了前向验证和后向验证相结合的机制,其中前向验证用于检查每个步骤的执行正确性,而后向验证则通过答案回推的方式评估整体可靠性,确保最终答案的准确性和一致性。
转化前景
本申请应用于:大语言问答领域,根据发明人提供的行业技术情报,结合事务所对类似技术的代理经验,该技术方案初步评估应用前景,本申请具有效率高、适应性强、扩展性好的特点。通过 HO-Tree 捕捉复杂表格中的层次结构,有效避免了传统方法中的信息丢失问题,同时结合流水线式的问题解析策略,显著提升了复杂表格问答的效率。此外,本申请的双阶段验证机制有效减少了错误传播,进一步提高了整体问答准确性。这种创新的设计使得本申请在处理大规模、复杂结构的半结构化表格问答任务中具有显著优势,是现有方法的重要补充。综上,本申请适用于金融报表、医疗记录、事务订单、树状或合并表头的复杂半结构化表格,在大规模数据检索与知识问答系统中实现高精度、低延迟、无信息丢失的智能问答,支持多跳问题、正交子表、嵌套子表,并可与 RAG、向量检索、智能数据引擎等系统协同,为企业级数据助手、分析平台和自动化诊断系统提供可解释且可靠的表格问答能力。