简介

本项目使用深度学习方法构建了针对历史文本的问答系统。该方法提供了一个用户交互界面，使用者可以利用该界面创建事件，将历史文字材料输入到系统中，系统将会使用先进的自然语言处理方法对文本进行处理，自动形成结构化形式；在用户提供了足够多事件信息后，系统将会使用一个以检索增强生成模型结构为基础的问答系统，针对这些信息进行检索和问答。本文通过提示学习方法在低资源场景下准确高效的实现了对命名实体识别、文本总结等多种下游任务的处理，避免了针对服务器资源和高质量数据集的依赖。同时，本项目针对检索增强生成模型的缺陷进行创新性改进，引入多轮检索问答过程，从而在解决用户提问时可以多阶段引入关系型数据、图数据、向量数据等多种类型信息，提高对于复杂问题的回答准确率。本系统针对交互界面和问答系统均进行了全面的测试，实验结果表明问答系统能够检索到与用户提问相符合的事件信息并由此生成正确的答案，在面对复杂问题时能够合理的将问题分为多个逻辑推理步骤并引入合适的外部数据进行解决。

构建方法

前后端均为 nodejs 项目，在启动之前确保安装了 node >= 18。

前端调试：

cd frontend && pnpm dev

构建：

cd frontend && pnpm build

后端调试：

cd backend && pnpm dev

构建：

cd backend && pnpm build

部署：

cd backend && pnpm deploy