今天简单聊聊query改写:对用户的问题(query)改写,也是常见的一个操作,这是因为用户提问的方式与他们期望的答案之间可能存在差距.对问题进行适当的改写,能帮助系统更好地理解用户的问题并生成相关的答案.常见的一些问题需要用到的改写有:意图识别模块和策略选择分块.它们本质上都是分类问题.对于分类问题,在这里提供两种常见的处理办法.Bert模型做分类算法.LLMPrompt做分类.对于一个具体场景的问题.意图识别模块往往有通用问题和私有知识问题两个板块.对于这两个板块的分类,这里是建议微调一个Bert模型做二分类算法.大致过程就是准备一个Bert预训练模型,经过自己改写再重新准备相关数据训练出一个二分类模型即可.对于策略选择分块模块.这里往往是下面有几种不同链路,需要对用户query去判断属于哪一个链路?问题往往比较灵活.很难做到固定分类.因此这里选择用LLMPrompt的方式.具体做法就是调用大模型,给大模型说清楚具体任务是要对拿到的句子做哪一种分类.对于Bert模型和LLMprompt的这两种方式,各自有自己的适用场景和优缺点.Bert适合做固定问题分类.LLMprompt适合从语义上对灵活问题做分类.