基于大語言模型和RAG技術的高校知識庫智能問答系統構建與評價

關鍵詞：高校知識服務；智能問答系統；檢索增強生成；機器學習

0 引言

隨著信息技術的迅猛發展和高校知識服務需求的日益增長，傳統的知識檢索方式已難以滿足用戶需求。在此背景下，智能問答系統憑借其高效、精準、便捷等優勢，成為提升高校知識服務水平的重要途徑[1]。然而，將這些先進技術應用于高校知識庫智能問答系統仍面臨諸多挑戰，例如高校知識的復雜性、用戶查詢的多樣性以及系統性能的保障等。

為了解決上述挑戰，本文提出了一種基于大語言模型（Large Language Models， LLM） 和檢索增強生成（Retrieval-Augmented Generation， RAG） 技術的高校知識庫智能問答系統。該系統旨在為高校師生提供高效、準確、個性化的知識服務。本文首先對相關技術進行分析，然后介紹系統的架構設計和功能模塊，最后通過實驗評估系統性能，并探討未來的研究方向。

1 相關工作

本研究的相關研究工作分為知識源構建、智能問答技術和高校信息服務三個部分。

1.1 高校智能問答知識源構建

高校智能問答系統的核心在于其豐富、準確且結構化的知識源。知識源的構建過程，包括數據收集、文檔處理、內容提取和知識組織等關鍵步驟。

1.1.1 知識源數據收集

高校智能問答知識源主要來源包括但不限于以下幾個方面：

1） 教學資料：課程大綱、教學計劃、講義、試卷等。

2） 科研文獻：學術論文、研究報告、專利文檔等。3） 管理文件：規章制度、通知公告、會議紀要等。4） 學生服務：學生手冊、就業指南、心理健康資料等。5） 校園生活：校歷、活動安排、設施使用說明等。……