-
题名基于大语言模型的知识图谱构建及应用研究
被引量：9
- 1
-
-
作者
张才科
李小龙
郑胜
蔡家骏
叶小舟
罗静
-
机构
中核武汉核电运行技术股份有限公司
三峡大学理学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2024年第10期2656-2667,共12页
-
基金
中国核电集中研发项目(K220604)。
-
文摘
海量核电分布式控制系统(DCS)运维数据蕴含着丰富的运维经验和专家知识,如何有效地从中抽取DCS报警响应相关信息并形成知识服务,是目前核电DCS快速响应的热点和前沿研究。由于核电DCS多源异构数据缺乏明确的结构和规范,以往的知识抽取主要依赖人工标注和深度学习的方式进行,但需要具备广泛的领域知识和信息处理能力,且受限于繁重的数据标注工作。提出了分步提示策略的大语言模型知识抽取方法,构建了DCS运维知识图谱;并基于大语言模型技术和二次意图识别方法,利用知识图谱开展智能问答等知识服务。通过以某核电厂DCS运维数据为例,重点就知识抽取、图谱构建、智能问答开展实例研究。结果表明,模型的总体精确率、召回率和F1值分别为91.24%、85.85%和88.43%,能够较为全面地获取DCS多源异构运维数据中的关键实体及属性信息,指导开展领域知识问答,有助于运维人员及时响应DCS报警异常,分析总结故障原因及响应策略,为后期的电厂DCS运维的培训和维护提供借鉴和参考。
-
关键词
核电分布式控制系统
知识图谱
大语言模型
知识抽取
智能问答
-
Keywords
nuclear power distributed control system
knowledge graph
large language model
knowledge extrac-tion
intelligent question and answer(Q&A)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
