本發(fā)明涉及自然語(yǔ)言處理與人工智能，尤其涉及一種基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成方法及裝置。

背景技術(shù)：

1、近年來(lái)，隨著新能源、半導(dǎo)體和人工智能等高新技術(shù)的發(fā)展，對(duì)于這些技術(shù)產(chǎn)業(yè)鏈的上游、中游和下游所涉及到的關(guān)鍵領(lǐng)域節(jié)點(diǎn)的梳理對(duì)理解和掌握整個(gè)產(chǎn)業(yè)鏈發(fā)展的規(guī)律脈絡(luò)變得尤為重要。自動(dòng)化的產(chǎn)業(yè)鏈技術(shù)樹(shù)挖掘及生成需要依托自然語(yǔ)言處理方法，通過(guò)分析海量科技文本數(shù)據(jù)，提取目標(biāo)領(lǐng)域的相關(guān)技術(shù)以及上下游技術(shù)之間的關(guān)系。隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的發(fā)展，如智能優(yōu)化算法、深度神經(jīng)網(wǎng)絡(luò)模型以及預(yù)訓(xùn)練語(yǔ)言模型等方法已在大部分自然語(yǔ)言處理任務(wù)如文本分類、命名實(shí)體識(shí)別、關(guān)系抽取等任務(wù)上取得了領(lǐng)先的性能，這些方法對(duì)領(lǐng)域技術(shù)樹(shù)的挖掘提供了良好的支撐。例如對(duì)量子芯片(quantumchip，qc)產(chǎn)業(yè)鏈進(jìn)行分析，可以通過(guò)預(yù)訓(xùn)練模型強(qiáng)大的表征能力對(duì)海量新聞、技術(shù)報(bào)告中的文本向量化，通過(guò)語(yǔ)義匹配快速檢索到相關(guān)信息。并且通過(guò)對(duì)這些文本特征進(jìn)行實(shí)體識(shí)別和關(guān)系抽取，最終確定qc上下游技術(shù)實(shí)體完成產(chǎn)業(yè)鏈技術(shù)樹(shù)的構(gòu)建。

2、然而，使用依靠傳統(tǒng)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法構(gòu)建技術(shù)樹(shù)存在以下問(wèn)題：首先，使用傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法依賴專家智慧，且構(gòu)建的技術(shù)樹(shù)規(guī)模小、深度淺，難以滿足面對(duì)不斷變化演進(jìn)的技術(shù)產(chǎn)業(yè)鏈進(jìn)行深度解耦分析的研究需求；其次，科技信息迭代日新月異，面對(duì)海量龐雜、價(jià)值密度低的信息數(shù)據(jù)，傳統(tǒng)技術(shù)樹(shù)構(gòu)建方法難以挖掘到高價(jià)值目標(biāo)技術(shù)信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)樹(shù)構(gòu)建存在專家知識(shí)依賴、規(guī)模小深度淺、高價(jià)值目標(biāo)挖掘困難等缺陷，提出了一種基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成方法，實(shí)現(xiàn)面向特定技術(shù)領(lǐng)域產(chǎn)業(yè)鏈產(chǎn)品組件層級(jí)關(guān)系的自動(dòng)化深度挖掘與關(guān)聯(lián)分析，本發(fā)明還公開(kāi)了一種基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成裝置，為用戶和科研機(jī)構(gòu)提供一套方便、專業(yè)的領(lǐng)域技術(shù)樹(shù)展示方法。

2、一方面，提供了一種基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成方法，包括：

3、步驟1：利用領(lǐng)域技術(shù)關(guān)鍵詞對(duì)互聯(lián)網(wǎng)和/或領(lǐng)域?qū)I(yè)知識(shí)庫(kù)進(jìn)行檢索，得到候選檢索內(nèi)容；

4、步驟2：利用所述候選檢索內(nèi)容和所述領(lǐng)域技術(shù)關(guān)鍵詞構(gòu)建第一任務(wù)指令，調(diào)用領(lǐng)域大模型對(duì)該第一任務(wù)指令中候選檢索內(nèi)容與技術(shù)關(guān)鍵詞的相關(guān)性進(jìn)行判斷，得到高價(jià)值候選檢索內(nèi)容；

5、步驟3：利用所述高價(jià)值候選檢索內(nèi)容和所述領(lǐng)域技術(shù)關(guān)鍵詞構(gòu)建第二任務(wù)指令，調(diào)用領(lǐng)域大模型從該第二任務(wù)指令的高價(jià)值候選檢索內(nèi)容中抽取領(lǐng)域技術(shù)三元組，其中，領(lǐng)域技術(shù)三元組以領(lǐng)域技術(shù)關(guān)鍵詞為主語(yǔ)，以關(guān)系集合內(nèi)任意具有“包含”語(yǔ)義的詞匯作為謂語(yǔ)，以下游技術(shù)關(guān)鍵詞或者依賴技術(shù)關(guān)鍵詞作為賓語(yǔ)；

6、步驟4：利用抽取的領(lǐng)域技術(shù)三元組生成領(lǐng)域技術(shù)樹(shù)。

7、在一種改進(jìn)的基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成方法中，還包括：

8、步驟5：在確定本次抽取的下游技術(shù)關(guān)鍵詞需要增加子節(jié)點(diǎn)時(shí)，將本次抽取的下游技術(shù)關(guān)鍵詞作為領(lǐng)域技術(shù)關(guān)鍵詞，跳轉(zhuǎn)至步驟1。

9、在一種改進(jìn)的基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成方法中，步驟1包括：

10、步驟1-1：利用領(lǐng)域技術(shù)關(guān)鍵詞，檢索互聯(lián)網(wǎng)和/或領(lǐng)域?qū)I(yè)知識(shí)庫(kù)，得到檢索內(nèi)容；

11、步驟1-2：根據(jù)與領(lǐng)域技術(shù)關(guān)鍵詞的相關(guān)程度對(duì)檢索內(nèi)容進(jìn)從高到低排序，取排序在前設(shè)定數(shù)量的檢索內(nèi)容作為候選檢索內(nèi)容；

12、步驟1-3：對(duì)候選檢索內(nèi)容進(jìn)行去重過(guò)濾操作和格式解析，生成統(tǒng)一格式的候選檢索內(nèi)容。

13、在一種改進(jìn)的基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成方法中，步驟2包括：

14、步驟2-1：遍歷候選檢索數(shù)據(jù)集中的候選檢索內(nèi)容，其中，所有候選檢索內(nèi)容構(gòu)成候選檢索數(shù)據(jù)集；

15、步驟2-2：將候選檢索內(nèi)容與其對(duì)應(yīng)的領(lǐng)域技術(shù)關(guān)鍵詞組成關(guān)鍵技術(shù)對(duì)，利用提示工程將關(guān)鍵技術(shù)對(duì)組成第一提示問(wèn)題；

16、步驟2-3：將第一提示問(wèn)題作為第一任務(wù)指令，輸入領(lǐng)域大模型，得到關(guān)于該候選檢索內(nèi)容和領(lǐng)域技術(shù)關(guān)鍵詞是否匹配的回答；

17、步驟2-4：將回答為匹配的候選檢索內(nèi)容作為高價(jià)值候選檢索內(nèi)容。

18、在一種改進(jìn)的基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成方法中，步驟3包括：

19、步驟3-1：構(gòu)建關(guān)系集合，其中，關(guān)系集合中包含表征上下位關(guān)系的謂語(yǔ)關(guān)鍵詞；

20、步驟3-2：遍歷高價(jià)值候選數(shù)據(jù)集中的高價(jià)值候選檢索內(nèi)容，其中，所有高價(jià)值候選檢索內(nèi)容構(gòu)成高價(jià)值候選數(shù)據(jù)集；

21、步驟3-3：基于高價(jià)值候選檢索內(nèi)容，基于高價(jià)值候選檢索內(nèi)容，利用提示工程，以與該高價(jià)值候選檢索內(nèi)容對(duì)應(yīng)的領(lǐng)域技術(shù)關(guān)鍵詞為主語(yǔ)，關(guān)系集合內(nèi)任意具有“包含”語(yǔ)義的詞匯作為謂語(yǔ)，組成第二提示問(wèn)題；

22、步驟3-4：將第二提示問(wèn)題作為第二任務(wù)指令，輸入領(lǐng)域大模型判斷高價(jià)值候選內(nèi)容中是否存在符合三元組技術(shù)關(guān)系的謂語(yǔ)，在判斷結(jié)果為存在時(shí)，生成匹配的領(lǐng)域技術(shù)三元組作為回答。

23、另一方面，提供了一種基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成裝置，包括：

24、數(shù)據(jù)檢索模塊，用于利用領(lǐng)域技術(shù)關(guān)鍵詞對(duì)互聯(lián)網(wǎng)和/或領(lǐng)域?qū)I(yè)知識(shí)庫(kù)進(jìn)行檢索，得到候選檢索內(nèi)容；

25、高價(jià)值內(nèi)容篩選模塊，用于利用所述候選檢索內(nèi)容和所述領(lǐng)域技術(shù)關(guān)鍵詞構(gòu)建第一任務(wù)指令，調(diào)用領(lǐng)域大模型對(duì)該第一任務(wù)指令中候選檢索內(nèi)容與技術(shù)關(guān)鍵詞的相關(guān)性進(jìn)行判斷，得到高價(jià)值候選檢索內(nèi)容；

26、技術(shù)三元組抽取模塊，用于利用所述高價(jià)值候選檢索內(nèi)容和所述領(lǐng)域技術(shù)關(guān)鍵詞構(gòu)建第二任務(wù)指令，調(diào)用領(lǐng)域大模型從該第二任務(wù)指令的高價(jià)值候選檢索內(nèi)容中抽取領(lǐng)域技術(shù)三元組，其中，領(lǐng)域技術(shù)三元組以領(lǐng)域技術(shù)關(guān)鍵詞為主語(yǔ)，以關(guān)系集合內(nèi)任意具有“包含”語(yǔ)義的詞匯作為謂語(yǔ)，以下游技術(shù)關(guān)鍵詞或者依賴技術(shù)關(guān)鍵詞作為賓語(yǔ)；和

27、領(lǐng)域技術(shù)樹(shù)生成模塊，用于利用抽取的領(lǐng)域技術(shù)三元組生成領(lǐng)域技術(shù)樹(shù)。

28、在一種改進(jìn)的基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成裝置中，還包括：

29、領(lǐng)域技術(shù)樹(shù)展示模塊，用于在確定本次抽取的下游技術(shù)關(guān)鍵詞需要增加子節(jié)點(diǎn)時(shí)，將本次抽取的下游技術(shù)關(guān)鍵詞作為領(lǐng)域技術(shù)關(guān)鍵詞，觸發(fā)所述數(shù)據(jù)檢索模塊。

30、在一種改進(jìn)的基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成裝置中，所述數(shù)據(jù)檢索模塊，包括：檢索單元、排序單元和過(guò)濾單元；

31、所述檢索單元，用于利用領(lǐng)域技術(shù)關(guān)鍵詞，檢索互聯(lián)網(wǎng)和/或領(lǐng)域?qū)I(yè)知識(shí)庫(kù)，得到檢索內(nèi)容；

32、所述排序單元，用于根據(jù)與領(lǐng)域技術(shù)關(guān)鍵詞的相關(guān)程度對(duì)檢索內(nèi)容進(jìn)從高到低排序，取排序在前設(shè)定數(shù)量的檢索內(nèi)容作為候選檢索內(nèi)容；

33、所述過(guò)濾單元，用于對(duì)候選檢索內(nèi)容進(jìn)行去重過(guò)濾操作和格式解析，生成統(tǒng)一格式的候選檢索內(nèi)容。

34、在一種改進(jìn)的基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成裝置中，所述高價(jià)值內(nèi)容篩選模塊包括：遍歷單元、第一提示問(wèn)題組成單元、匹配單元和高價(jià)值內(nèi)容構(gòu)建單元；

35、所述遍歷單元，用于遍歷候選檢索數(shù)據(jù)集中的候選檢索內(nèi)容，其中，所有候選檢索內(nèi)容構(gòu)成候選檢索數(shù)據(jù)集；

36、所述第一提示問(wèn)題組成單元，用于將候選檢索內(nèi)容與其對(duì)應(yīng)的領(lǐng)域技術(shù)關(guān)鍵詞組成關(guān)鍵技術(shù)對(duì)，利用提示工程將關(guān)鍵技術(shù)對(duì)組成第一提示問(wèn)題；

37、所述匹配單元，用于將第一提示問(wèn)題作為第一任務(wù)指令，輸入領(lǐng)域大模型，得到關(guān)于該候選檢索內(nèi)容和領(lǐng)域技術(shù)關(guān)鍵詞是否匹配的回答；

38、所述高價(jià)值內(nèi)容構(gòu)建單元，用于將回答為匹配的候選檢索內(nèi)容作為高價(jià)值候選檢索內(nèi)容。

39、在一種改進(jìn)的基于大模型知識(shí)推理的領(lǐng)域技術(shù)樹(shù)生成裝置中，所述技術(shù)三元組抽取模塊包括：關(guān)系集構(gòu)建單元、遍歷單元、第二提示問(wèn)題組成單元和技術(shù)三元組生成單元；

40、所述關(guān)系集構(gòu)建單元，用于構(gòu)建關(guān)系集合，其中，關(guān)系集合中包含表征上下位關(guān)系的謂語(yǔ)關(guān)鍵詞；

41、所述遍歷單元，用于遍歷高價(jià)值候選數(shù)據(jù)集中的高價(jià)值候選檢索內(nèi)容，其中，所有高價(jià)值候選檢索內(nèi)容構(gòu)成高價(jià)值候選數(shù)據(jù)集；

42、所述第二提示問(wèn)題組成單元，用于基于高價(jià)值候選檢索內(nèi)容，利用提示工程，以與該高價(jià)值候選檢索內(nèi)容對(duì)應(yīng)的領(lǐng)域技術(shù)關(guān)鍵詞為主語(yǔ)，關(guān)系集合內(nèi)任意具有“包含”語(yǔ)義的詞匯作為謂語(yǔ)，組成第二提示問(wèn)題；

43、所述技術(shù)三元組生成單元，用于將第二提示問(wèn)題是作為第二任務(wù)指令，輸入領(lǐng)域大模型判斷高價(jià)值候選內(nèi)容中是否存在符合三元組技術(shù)關(guān)系的謂語(yǔ)，在判斷結(jié)果為存在時(shí)，生成匹配的領(lǐng)域技術(shù)三元組作為回答。

44、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)勢(shì)在于：

45、1、本發(fā)明實(shí)施例提供了一種獲取高質(zhì)量檢索信息的方法，通過(guò)結(jié)合知識(shí)庫(kù)檢索、關(guān)鍵詞匹配、語(yǔ)義相似度計(jì)算、相關(guān)程度排序等檢索方法簡(jiǎn)單高效的實(shí)現(xiàn)了領(lǐng)域技術(shù)文本檢索。同時(shí)通過(guò)結(jié)合領(lǐng)域大模型跨領(lǐng)域知識(shí)背景，對(duì)檢索內(nèi)容進(jìn)一步判斷篩選，保證了與關(guān)鍵詞相符的高價(jià)值檢索內(nèi)容的獲??；

46、2、本發(fā)明實(shí)施例針對(duì)傳統(tǒng)技術(shù)樹(shù)生成方面存在的領(lǐng)域技術(shù)重難點(diǎn)難以解耦的問(wèn)題，通過(guò)采用抽取技術(shù)三元組作為技術(shù)樹(shù)生成的主要依據(jù)，提供了更加魯棒性的技術(shù)樹(shù)生成方式。同時(shí)，利用領(lǐng)域大模型強(qiáng)大的領(lǐng)域知識(shí)背景，對(duì)關(guān)鍵技術(shù)及其下游產(chǎn)業(yè)鏈進(jìn)行深入挖掘，同時(shí)挖掘關(guān)鍵技術(shù)的下游技術(shù)和依賴技術(shù)，有效地提高了關(guān)鍵技術(shù)脈絡(luò)獲取的完整度和準(zhǔn)確率，大大降低關(guān)鍵技術(shù)信息獲取難度；

47、3、本發(fā)明實(shí)施例的方案一方面利用具有強(qiáng)大領(lǐng)域背景知識(shí)的領(lǐng)域大模型，另一方面是先對(duì)候選檢索內(nèi)容進(jìn)行高價(jià)值候選檢索內(nèi)容提取，再?gòu)母邇r(jià)值候選檢索內(nèi)容進(jìn)行技術(shù)三元組的抽取，使得在從一開(kāi)始就將占比總體數(shù)據(jù)量很大的非高價(jià)值候選檢索內(nèi)容進(jìn)行了剔除。相對(duì)于利用bert等用于小任務(wù)的模型，先從候選檢索內(nèi)容中抽取技術(shù)三元組，再對(duì)技術(shù)三元組進(jìn)行去噪等規(guī)范化操作的方案，大大縮小了用于三元組抽取的數(shù)據(jù)處理數(shù)量，并且由于領(lǐng)域大模型依托大參數(shù)和豐富的背景知識(shí)，對(duì)于高價(jià)值候選檢索內(nèi)容篩選更加精確，檢索內(nèi)容質(zhì)量更高，從數(shù)據(jù)源頭上有助于提高技術(shù)三元組的抽取質(zhì)量，進(jìn)而提高了生成的領(lǐng)域數(shù)據(jù)樹(shù)的質(zhì)量。