Page 299 - 《软件学报》2026年第4期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2026,37(4):1740−1758 [doi: 10.13328/j.cnki.jos.007435] [CSTR: 32375.14.jos.007435] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
大语言模型驱动的可信政务问答技术

王骞玥 1 , 胡晋武 1,2 , 王宇丰 1,2 , 胡 宇 2 , 高浩然 1 , 邱舟强 3 , 谭明奎 1

1
(华南理工大学 软件学院, 广东 广州 510006)
2
(人工智能与数字经济广东省实验室 (广州), 广东 广州 510335)
3
(广东省科技创新监测研究中心, 广东 广州 510033)
通信作者: 谭明奎, E-mail: mingkuitan@scut.edu.cn

摘 要: 政务问答系统能实时处理政务咨询, 在降低人工咨询压力的同时提高企业和群众的办事效率. 政务问答系
统的服务场景多样且重视回答表述的准确规范, 现有方法或基于预设知识库产生回答, 或基于规模有限的语言模
型生成回答, 均无法在多服务场景下有效理解咨询并生成准确且可解释的可信回答. 为此, 提出一种基于大语言模
型的政务问答技术以实现可信政务回答. 所提方法以政务大语言模型为内容理解和生成的核心模块, 并由分析引
导模块和领域知识库模块辅助. 政务大语言模型生成咨询回答时参考分析引导模块提供的咨询分析结果和领域知
识库模块提供的咨询相关领域知识, 并针对咨询生成内容表述与事实一致的准确回答. 生成回答时参考的信息可
作为回答依据提升回答的可解释性. 为构建方法涉及的相关模块并测试其有效性, 收集并整理了一个包含多层次
多粒度政务公开信息的综合性数据集, 其中包含 1 901 篇文档和 10 503 条问答对数据. 最后, 通过实验分析验证了

基于该方法实现的原型系统能在多服务场景下针对用户咨询生成表述准确且可解释的可信咨询回答.
关键词: 智慧政务; 政务问答系统; 大语言模型; 知识增强; 意图识别
中图法分类号: TP391

中文引用格式: 王骞玥, 胡晋武, 王宇丰, 胡宇, 高浩然, 邱舟强, 谭明奎. 大语言模型驱动的可信政务问答技术. 软件学报, 2026,
37(4): 1740–1758. http://www.jos.org.cn/1000-9825/7435.htm
英文引用格式: Wang QY, Hu JW, Wang YF, Hu Y, Gao HR, Qiu ZQ, Tan MK. Trustworthy Government Q&A Technology Based on
Large Language Model. Ruan Jian Xue Bao/Journal of Software, 2026, 37(4): 1740–1758 (in Chinese). http://www.jos.org.cn/1000-
9825/7435.htm

Trustworthy Government Q&A Technology Based on Large Language Model
1,2
1
2
1
1,2
3
WANG Qian-Yue , HU Jin-Wu , WANG Yu-Feng , HU Yu , GAO Hao-Ran , QIU Zhou-Qiang , TAN Ming-Kui 1
1
(School of Software Engineering, South China University of Technology, Guangzhou 510006, China)
2
(Guangdong Artificial Intelligence and Digital Economy Laboratory (Guangzhou), Guangzhou 510335, China)
3
(Guangdong Science and Technology Innovation Monitoring and Research Center, Guangzhou 510033, China)
Abstract: The government Q&A system can handle user queries in real-time, improving the efficiency of businesses and the public, while
reducing the pressure of manual consultation. However, the service scenarios of the government Q&A system are diverse and require
accurate and standardized expression of answers. Existing methods, which either utilize preset knowledge bases to generate answers or
language models with limited scale, are unable to effectively understand consultations and generate trustworthy answers that are accurate
and interpretable across multiple service scenarios. Therefore, this study proposes a government Q&A system based on a large language
model to provide trustworthy government responses. The method employs a large language model specific to government service as the
core module for content understanding and answer generation, assisted by an analysis guidance module and a domain knowledge base

* 基金项目: 国家自然科学基金 (62072190)
王骞玥和胡晋武为共同第一作者.
收稿时间: 2024-07-06; 修改时间: 2024-11-16, 2025-03-05; 采用时间: 2025-03-25; jos 在线出版时间: 2025-10-29
CNKI 网络首发时间: 2025-10-30