Page 307 - 《软件学报》2026年第4期

1748 软件学报 2026 年第 37 卷第 4 期

其中, D 表示收集整理的政务公开文档集合. split 操作将上传的文档按照长度进行拆分. T i 表示拆分的文段, E i 表
示文段的嵌入式表达, store 表示存储拆分文段和对应嵌入式表达, K 表示领域知识库. K 的表示见公式 (9).

n
K = {(T i ,E i )} (9)
i=1
政务问答系统的服务场景多样, 不同场景下咨询语言组织的规范性无法保证, 因此, 咨询表述与领域知识库中
的内容存在分布偏移 [16] . 这会导致基于相似度检索相关内容的成功率降低, 进而降低回答的准确性和可解释性甚
至出现“答非所问”的现象 [15] . 为克服咨询语言不规范对检索成功率的影响, 领域知识库基于分析引导模块提供的
政务关键词进行咨询相关领域知识的检索. 分析结果中的关键词与咨询内容相关且表述符合政务领域语言组织规
范, 能保障在语言组织规范性未知的多服务场景中检索到咨询相关领域知识的成功率.
具体来说, 本文通过计算领域知识库中知识与关键词的嵌入式表达的余弦相似度找出关键词相关的领域知
Keyword (可按公式 (10) 表示), 首先将关键词以逗号分隔后拼接成一个文本
识. 对于一组分析得到的政务关键词
I
形式的输入 Input (可按公式 (11) 表示). Input 通过嵌入式表达后将得到的输入向量 , 和知识库中存储文段的嵌入
k k = 3) 条文本作为政务
Sim i , 计算方法如公式 (12) 所示. 找出相似度最高的前 (
式表达 E i 进行余弦相似度计算得
大语言模型生成回答时参考的咨询相关领域知识. 领域知识库使用的文本数据的来源在第 4 节详述.

Keyword = {k 1 ,k 2 ,...,k m } (10)

(11)
Input = k 1 ,k 2 ,...,k m

I · E i
Sim i = cos(θ) = (12)
||I||×||E i ||
3.4 方法总结
本节以一个政务咨询为例, 总结方法的基本运行流程, 直观展示方法各模块的作用及关联, 处理流程如图 5
所示.

我是农村建卡贫困户, 我儿子今年上高中, 有哪些资金补贴?

凝练政务关键词 挖掘咨询意图

精准扶贫、教育资助、
普通高中、建卡贫困户 询问建档立卡贫困户学生高中可以享受哪些资助

基于政务关键词的领域知识检索

① …建立以政府为主导, 国家助学金为 政务
主体, 学校减免学费等为补充, 社会力 大语言模型
量积极参与的普通高中家庭经济困难 分析结果整合
学生资助政策体系…
② …

建档立卡贫困家庭学生在普通高中阶段可以享受以下资助:
1. 国家助学金. 高中国家助学金平均标准是每生每年2 000元, 将通过普通高中学生
资助卡进行发放…

图 5 针对用户咨询的处理流程样例