计算机科学与探索

作者：冯钧, 畅阳红, 陆佳民, 唐海麟, 吕志鹏, 邱钰淳

单位：河海大学 计算机与软件学院，南京 211100

关键词：知识图谱,大语言模型（LLM）,本体构建,知识抽取,水工程调度

随着水利事业的发展和信息化需求的增加，处理和表示海量水利数据变得复杂而繁琐。特别是调度文本数据通常以自然语言的形式存在，缺乏明确的结构和规范，并且处理和应用这些多样性的数据需要具备广泛的领域知识和专业背景。为此，提出了基于大语言模型的水工程调度知识图谱的构建方法。通过数据层的调度规则数据收集与预处理，再利用大语言模型挖掘和抽取数据中蕴藏的知识，完成概念层本体构建和实例层“三步法”提示策略抽取。在数据层、概念层、实例层的相互作用下，实现了规则文本的高性能抽取，完成了数据集和知识图谱的构建。实验结果表明，大语言模型抽取方法F1值达到85.5%，且通过消融实验验证了模型各模块的有效性和合理性。构建的水工程调度知识图谱整合了分散的水利规则信息，有效处理非结构化文本数据，并提供可视化查询和功能追溯功能。这有助于领域从业人员判断来水情况并选择适当的调度方案，为水利决策和智能推荐等提供了重要支持。

来源：2024年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第6期