摘要

本文提出了一种名为 TrustUQA 的可信框架，用于统一结构化数据的问答。该框架采用了一种名为条件图（CG）的统一知识表示方法，并使用了一种基于 LLM 和演示的两级方法进行 CG 查询。此外，还配备了动态演示检索功能。通过在 5 个基准数据集上的实验，证明了 TrustUQA 的有效性，并展示了其在混合结构化数据和跨结构化数据问答方面的潜力。

原理

TrustUQA 的工作原理主要包括以下几个步骤：

1. 条件图转换：将输入的结构化数据转换为条件图，条件图是一种统一的知识表示方法，可以表示简单关系、复杂事实和规则。
2. 查询翻译：将 LLM 查询转换为可在条件图上执行的执行查询。
3. 动态演示检索：根据问题从训练数据中检索最相似的示例作为演示，以提高 LLM 查询的质量。
4. 答案生成：使用执行查询在条件图上执行查询，并生成答案。

流程

TrustUQA 的工作流程如下：

1. 输入问题：用户输入自然语言问题。
2. 条件图转换：将输入的结构化数据转换为条件图。
3. 查询翻译：使用 LLM 和演示将问题转换为执行查询。
4. 动态演示检索：从训练数据中检索最相似的示例作为演示。
5. 答案生成：使用执行查询在条件图上执行查询，并生成答案。
6. 输出答案：将生成的答案输出给用户。

应用

TrustUQA 可以应用于多种场景，如：

1. 问答系统：可以用于回答各种自然语言问题，如知识问答、技术问答等。
2. 智能客服：可以用于智能客服系统，回答用户的问题，提供帮助和支持。
3. 智能助手：可以用于智能助手，如手机助手、智能音箱等，回答用户的问题，提供信息和服务。
4. 数据分析：可以用于数据分析，帮助用户快速找到所需的信息，提高数据分析的效率和质量。