计算机科学与探索

作者：魏征, 宋晓, 李玺, 谢方方, 李骁

单位：1. 北京航空航天大学 网络空间安全学院，北京 1001912. 陆军工程大学石家庄校区，石家庄 050003

关键词：设备故障诊断,检索式问答,意图识别,实体链接

基金：国家重点研发计划（2023YFB3308200）；北京市自然科学基金-小米创新联合基金（L233005）。

在设备故障诊断智能问答领域，传统的实体链接和意图识别方法在长文本处理中存在精度低、消歧困难、意图识别不准确等问题。同时，大模型问答系统在该领域存在答案精确度有限、计算开销较高的问题，难以满足高精度、高实时性的应用需求。为此，提出了一种检索式问答算法框架，该框架通过协同优化实体链接与意图识别模块提升检索性能。实体链接模块采用多特征融合方法，整合文本特征与语义特征信息；意图识别模块构建基于全局与局部语义协同建模的深度学习模型，实现细粒度意图解析。设计实体链接与意图识别双模块交互机制：一方面基于意图语义特征实现候选实体消歧，另一方面利用实体链接反馈优化问句意图表征。针对某公开设备的多种故障类型与诊断情境，构建问答数据集，进行了多组对比实验与消融实验。实验表明，该框架的问答精确率为0.960 7，F1值为0.961 0，均优于基准方法。与大模型问答系统的对比实验表明，BLEU得分8.789 4，ROUGE-L得分0.953 0，平均响应时间0.371 6 s，验证了该方法在精确性和实时性方面均优于基座大模型及大模型GraphRAG问答系统。

来源：2025年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第10期