融合知识图谱与BERT-CRF的智慧康养问答方法研究

打开文本图片集

摘要：为应对智慧康养领域信息服务面临的专业性与可信度挑战，本研究构建了一个融合知识图谱（KG） 与预训练语言模型（PLM） 的智能问答系统。其核心创新在于通过知识图谱和语义嵌入技术，将结构化康养领域知识注入PLM语义空间，显著增强模型对专业概念的深层理解与复杂推理能力。系统构建过程包含：1） 建立包含7个实体、10种关系的康养领域知识图谱作为基础；2） 利用BERT-CRF模型进行用户查询的命名实体识别（NER） ，并结合意图分类模型将自然语言精准转化为数据库查询语句；3） 以MySQL存储三元组为知识库，加载双BERT模型，检索式问答生成；4） 基于Flask框架集成上述实体识别、关系分类及多轮对话管理模块，输出兼具专业知识准确性与逻辑可解释性的康养知识服务，为健康管理领域提供高可信度的人机交互技术支撑。（剩余5216字）