本发明涉及智能问答，特别是涉及一种基于nl2sql的问答系统。
背景技术：
1、随着大语言模型的发展，智能问答的使用越来越多，用户通过输入想要查询的问题，大语言模型回答出问题的答案。但在使用大语言模型通过检索数据库获取问题答案的过程中，对于不同日期或不同类型的采集数据，往往有不同的存储方式，此时直接向大语言模型输入问题查询，大语言模型查询比较费时费力，没有很好的效率。
技术实现思路
1、针对上述技术问题，本发明采用的技术方案为：一种基于nl2sql的问答系统，所述系统包括表格数据库、知识库、处理器和存储有计算机程序的存储器，所述表格数据库存储有预设表格列表，所述知识库存储有预设文本列表，当处理器执行所述计算机程序时，实现如下步骤：
2、s100，获取用户输入的待回复语句，所述待回复语句为自然语言。
3、s200，将待回复语句分别输入目标意图识别模型和目标实体识别模型，以获取待回复语句对应的目标意图和目标实体列表，其中，所述目标实体为待回复语句包括的实体，且所述目标实体至少包括时间实体。
4、s300，若目标实体列表中的时间实体为预设时间格式，执行s400；否则将目标实体列表的时间实体进行转化为预设时间格式，执行s400。
5、s400，基于目标意图和目标实体列表，确定检索数据库；当检索数据库为表格数据库时，执行s500；当检索数据库为知识库时，执行s600。
6、s500，基于目标意图和目标实体列表，获取目标sql语句，且基于目标sql语句，在表格数据库中进行检索，获取目标表格，执行s700。
7、s600，将预设文本列表中每一预设文本按照预设切分规则切分成预设段落，获取预设段落列表，并使用待回复语句和每一预设段落进行相似度匹配，获取目标段落列表，执行s700。
8、s700，将待回复语句和目标表格或将待回复语句和目标段落列表输入llm模型，获取待回复语句的答复语句。
9、本发明至少具有以下有益效果：综上，获取用户输入的待回复语句，将待回复语句分别输入目标意图识别模型和目标实体识别模型，以获取待回复语句对应的目标意图和目标实体列表，若目标实体列表中的时间实体不是预设时间格式，将目标实体列表的时间实体进行转化为预设时间格式，基于目标意图和目标实体列表，确定检索数据库，当检索数据库为表格数据库时，基于目标意图和目标实体列表，获取目标sql语句，且基于目标sql语句，在表格数据库中进行检索，获取目标表格；当检索数据库为知识库时，将预设文本列表中每一预设文本按照预设切分规则切分成预设段落，获取预设段落列表，并使用待回复语句和每一预设段落进行相似度匹配，获取目标段落列表；将待回复语句和目标表格或将待回复语句和目标段落列表输入llm模型，获取待回复语句的答复语句；本发明通过意图识别、实体识别、时间转化，找到表格数据库中的目标表格或知识库中的目标段落，使得大语言模型理解目标表格或目标段落的内容，获取到待回复语句的答案，使得大语言模型能够更加准确的获取到待回复语句的答案。
1.一种基于nl2sql的问答系统，其特征在于，所述系统包括表格数据库、知识库、处理器和存储有计算机程序的存储器，所述表格数据库存储有预设表格列表，所述知识库存储有预设文本列表，当处理器执行所述计算机程序时，实现如下步骤：
2.根据权利要求1所述的基于nl2sql的问答系统，其特征在于，若目标实体列表中的时间实体为空，向用户返回时间语句，所述时间语句用于限定目标意图的发生时间。
3.根据权利要求1所述的基于nl2sql的问答系统，其特征在于，还包括通过如下步骤获取目标意图识别模型：
4.根据权利要求3所述的基于nl2sql的问答系统，其特征在于，s250还包括：
5.根据权利要求3所述的基于nl2sql的问答系统，其特征在于，还包括通过如下步骤获取目标实体识别模型：
6.根据权利要求5所述的基于nl2sql的问答系统，其特征在于，s270还包括：
7.根据权利要求1所述的基于nl2sql的问答系统，其特征在于，s400还包括：
8.根据权利要求1所述的基于nl2sql的问答系统，其特征在于，s500中基于目标意图和目标实体列表，获取目标sql语句，包括如下步骤：
