System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于知识图谱和大模型的水利工程辅助决策方法与系统技术方案_技高网

基于知识图谱和大模型的水利工程辅助决策方法与系统技术方案

技术编号:43732734 阅读:1 留言:0更新日期:2024-12-20 12:57
本发明专利技术涉及一种基于大模型算法的水利工程辅助决策系统,其特征在于:首先广泛搜集水利工程中可能出现的各类突发情况问题,并将这些问题引入水利应急处置的专业知识图谱中,以寻求精准解答。同时,模型会详细记录问题解答过程中涉及的实体关系以及必要的澄清问题,将它们整合为一条最优的澄清路径。随后,该最优澄清路径被用作大型语言模型的学习素材,模型通过深入学习,逐步掌握水利工程应急领域的专业知识,确保回复内容与水利应急实际紧密相连。本发明专利技术通过精准捕捉并补充查询中缺失的实体信息,提升查询澄清效率和答案准确性。基于知识图谱和大型语言模型的决策问答解决了知识图谱数据有限和语言模型噪声问题,为水利管理提供全面高效的答案。

【技术实现步骤摘要】

本专利技术涉及一种基于知识图谱和大模型的水利工程辅助决策方法与系统。适用于水利工程。


技术介绍

1、在水利工程领域,由于长期累积的多元化、异质性信息的涌现,使得工作人员在快速、精准地检索历史风险记录及借鉴过往应急策略时面临极大挑战,这无疑削弱了有效信息的实际应用价值。为了应对这一挑战,构建一个高效且智能的问答系统显得尤为关键,它能为工作人员提供精准的信息支撑,进而提升其在解决工程安全难题时的效率。

2、目前,基于知识图谱的问答系统,通过将实体与实体间的关系整合为清晰的三元组形式,成功地将非结构化和半结构化文本数据转化为结构化数据,显著提升了数据的质量。这为工作人员提供了条理清晰、结构化的领域知识。然而,由于该系统主要服务于垂直领域,并受限于文本数据的数量,当查询语句中涉及的实体超出其预设范围时,系统便会出现词汇超出边界的现象。此外,当管理人员的提问意图不够明确时,系统还需依赖预设的模板进行问题澄清,如“你是否在询问xx的相关情况?”这种机械化的交互方式往往缺乏灵活性。

3、随着人工智能技术的突飞猛进,大型语言模型(如chatgpt等)已成为解决特定任务问答的热门选择。这些模型经过海量数据的训练,具备两大显著优势:一是蕴含了丰富的先验知识;二是拥有卓越的语义理解和上下文学习能力,使其在应对通用领域问题时能够表现出色。然而,在应用于垂直领域相关问答任务时,大型语言模型因噪声和随机性问题,其效果并未达到预期。


技术实现思路

1、本专利技术要解决的技术问题是:提供一种基于知识图谱和大语言模型的水利工程辅助决策方法与系统,缓解水利工程知识图谱和直接利用大型语言模型回答水利工程问题的缺点,本专利技术将水利工程知识图谱和大型语言模型相结合做成智能问答,用彼此的优势去弥补彼此的缺点。

2、本专利技术所采用的技术方案是:基于知识图谱和大模型的水利工程辅助决策方法,包括以下步骤:

3、步骤s1:选择适合的通用大模型和水利工程应急领域的专业知识图谱,对大模型进行预学习;

4、步骤s2:收集水利工程中与水灾管理和设施安全相关的各类突发情况问题,包括水位异常波动、结构性损坏和设备运行故障,针对各类问题事件的类型和发生位置利用大模型进行分析和识别,并澄清问题中的不明确部分;

5、步骤s3:将各类问题的事件类型和发生位置的分析结果分别在水利应急处置专业知识图谱中定位并解答问题,同时记录步骤s2中的问题澄清及本步骤中的解答过程中涉及的实体关系和澄清步骤;

6、步骤s4:将各类问题与其解答过程中涉及的结构化实体关系路径结合,形成各类问题的最优澄清路径,并转换为向量表示;

7、步骤s5:将生成的多个各类问题的最优澄清路径用作该大模型的进一步学习素材,通过对这些素材的学习,增强大模型在水利工程应急领域的专知识掌握和推理能力;

8、步骤s6:当用户提出查询问题时,利用大模型将查询与预先生成的澄清路径进行匹配和分析,判断用户的澄清需求,生成并整合澄清信息,从而提供最终的决策答案。

9、进一步地,步骤s2包括以下步骤:

10、步骤s201:收集水利工程中与水灾管理和设施安全相关的各类突发情况问题,包括水位异常波动、结构性损坏和设备运行故障;

11、步骤s202:利用经过水利工程应急领域专业知识图谱预训练的大模型识别问题中是否存在事件类型与发生位置澄清不明确部分,若存在不明确部分,则大模型基于知识图谱中与不明确部分相关的实体关系设定澄清方向,并定位和呈现相关实体选项;

12、步骤s203:重复执行步骤s201和s202,直至模型能够清晰分析出问题事件的类型和发生位置。

13、进一步地,步骤s3中,所述最优澄清路径包括:

14、初始的第一轮澄清方向和相应的第一轮实体选项;

15、在问题中存在事件类型和发生位置澄清不明确部分时,用于澄清的各轮澄清方向及对应的各轮实体选项;

16、不明确部分被澄清后的最终问题解答的呈现。

17、进一步地,步骤s6包括以下步骤:

18、步骤s601:当用户提出查询问题时,大模型将用户的查询问题转化为向量,并与已有的最优澄清路径进行比对,筛选出与查询最为匹配的20%的澄清路径数据;

19、步骤s602:基于匹配结果的澄清路径数据,大模型判断用户的澄清需求,生成相应的澄清问题,并为用户提供多个合适的选项,供用户选择或自行输入答案;

20、步骤s603:将生成的澄清问题与用户的选择或输入的答案整合到初始查询中,进行处理并生成最终答案。

21、根据本专利技术的第二个方面,提供了一种基于知识图谱和大模型的水利工程辅助决策系统,包括:

22、最佳澄清单元:用于将各类问题与其解答过程中涉及的结构化实体关系路径结合,形成最优澄清路径,并将这些路径作为学习素材供大模型进行学习,以提升大模型在水利工程应急领域专业知识图谱上的知识掌握和推理能力;

23、澄清问题生成单元:用于当用户提出查询问题时,根据大模型的匹配和分析结果生成澄清问题,识别用户的澄清需求;

24、备选方案生成单元:用于根据澄清问题生成合适的选项供用户选择或自行输入答案,优化对用户查询意图的理解;

25、查询扩展单元:用于将用户选择的答案或输入的信息整合到初始查询中,扩展和完善查询内容,为最终答案的生成提供更精准的数据支持;

26、知识回答单元:用于根据扩展后的查询,通过知识图谱和大模型的推理能力,定位问题并生成最终的决策答案。

27、相较于现有技术,本专利技术的创新之处在于,它并不依赖于对查询问题中已存在实体的抽取,而是通过五个智能单元实现人机交互,精准捕捉并补充查询问题中缺失的实体信息。这一方法不仅提高了查询澄清的效率,还确保了答案的准确性。

28、同时,基于知识图谱和大型语言模型的水利工程辅助决策问答缓解了水利知识图谱数据有限的问题和澄清语句死板问题,还缓解了大型语言模型噪声和随机性问题,可以为水利管理人员提供全面、高效的回答,并且本专利技术研究的最优澄清路径和五个ai单元还大大提高了澄清过程效率和回复答案的正确性。

本文档来自技高网...

【技术保护点】

1.基于知识图谱和大模型的水利工程辅助决策方法,其特征在于,包括以下步骤:

2.如权利要求1所述的一种基于大模型算法的水利工程辅助决策方法,其特征在于,步骤S2包括以下步骤:

3.如权利要求1所述的一种基于大模型算法的水利工程辅助决策方法,其特征在于,步骤S3中,所述最优澄清路径包括:

4.如权利要求1所述的一种基于大模型算法的水利工程辅助决策方法,其特征在于,步骤S6包括以下步骤:

5.一种基于知识图谱和大模型的水利工程辅助决策系统,其特征在于,包括:

【技术特征摘要】

1.基于知识图谱和大模型的水利工程辅助决策方法,其特征在于,包括以下步骤:

2.如权利要求1所述的一种基于大模型算法的水利工程辅助决策方法,其特征在于,步骤s2包括以下步骤:

3.如权利要求1所述的一种基于大模型算法的水利工程辅助...

【专利技术属性】
技术研发人员:郭锐陈天燊李黎张鹏蒋波刘海波徐小坤冯赛吴光耀余意沈凤群
申请(专利权)人:中国电建集团华东勘测设计研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1