本發(fā)明涉及人工智能和安全生產(chǎn)與環(huán)境保護(hù)，尤其涉及安環(huán)領(lǐng)域知識問答方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、安全環(huán)保領(lǐng)域涉及的數(shù)據(jù)種類繁多，包括環(huán)境監(jiān)測數(shù)據(jù)、污染源信息、安全生產(chǎn)記錄、政策法規(guī)等，針對安環(huán)領(lǐng)域知識繁雜、種類多樣、用戶需求多變導(dǎo)致知識復(fù)用效率低、精度不高等問題，提出一種融合大語言模型與知識圖譜的安全環(huán)保知識構(gòu)建與知識問答方法。

2、近年來，隨著知識工程的不斷進(jìn)步，越來越多的企業(yè)和組織都在尋求將這一技術(shù)應(yīng)用到安全環(huán)保領(lǐng)域。面對海量的安全環(huán)保數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)處理方式難以快速準(zhǔn)確地提取有價值的信息。知識圖譜通過結(jié)構(gòu)化的知識表示和推理能力，能夠幫助決策者快速找到關(guān)鍵信息，提高決策效率和準(zhǔn)確性，通過知識圖譜的構(gòu)建，可以實現(xiàn)知識的自動化、智能化復(fù)用，提高知識復(fù)用效率和精度，降低人力成本。因此，知識圖譜在安全環(huán)保領(lǐng)域的應(yīng)用前景廣泛而深遠(yuǎn)，它不僅能夠提升該領(lǐng)域的創(chuàng)新能力和競爭力，還能夠為企業(yè)和社會帶來實際的效益和價值。

3、然而，隨著技術(shù)的不斷發(fā)展和完善，安全環(huán)保領(lǐng)域的知識圖譜構(gòu)建也面臨著一些挑戰(zhàn)。由于該領(lǐng)域的專業(yè)性和復(fù)雜性，需要根據(jù)企業(yè)自身的特點及其積累的數(shù)據(jù)與知識，探索安全環(huán)保領(lǐng)域知識圖譜的自動構(gòu)建方法，實現(xiàn)安環(huán)領(lǐng)域知識圖譜自動構(gòu)建和智能化應(yīng)用，為安全環(huán)保領(lǐng)域的持續(xù)發(fā)展和創(chuàng)新提供有力的支持。近年來，大語言模型（largelanguage?models，llm）在多種自然語言處理任務(wù)上展現(xiàn)出了顯著的成效。這類模型擁有龐大的參數(shù)規(guī)模和復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，能夠有效地處理和理解自然語言任務(wù)。然而，當(dāng)面對專業(yè)領(lǐng)域的問題時，大語言模型的生成結(jié)果可能會缺乏真實性和準(zhǔn)確性。

技術(shù)實現(xiàn)思路

1、有鑒于此，有必要提供一種安環(huán)領(lǐng)域知識問答方法、裝置、電子設(shè)備及存儲介質(zhì)，用以解決現(xiàn)有技術(shù)在將大語言模型與知識圖譜進(jìn)行結(jié)合后面對專業(yè)領(lǐng)域的問題可能會缺乏真實性和準(zhǔn)確性的技術(shù)問題。

2、為了解決上述問題，本發(fā)明提供一種安環(huán)領(lǐng)域知識問答方法，包括：

3、基于owl本體語言構(gòu)建結(jié)構(gòu)化標(biāo)準(zhǔn)知識描述模型構(gòu)建知識圖譜本體模型；

4、基于深度學(xué)習(xí)模型獲取安環(huán)領(lǐng)域的知識數(shù)據(jù)；

5、結(jié)合所述知識圖譜本體模型以及知識數(shù)據(jù)構(gòu)建安環(huán)領(lǐng)域的知識圖譜；

6、基于大語言模型對用戶輸入的自然語言問題進(jìn)行解析，得到查詢語；

7、基于所述大語言模型、知識圖譜以及查詢語生成對應(yīng)的答案。

8、在一種可能的實現(xiàn)方式中，所述基于owl本體語言構(gòu)建結(jié)構(gòu)化標(biāo)準(zhǔn)知識描述模型構(gòu)建知識圖譜本體模型，包括：

9、確定知識圖譜的專業(yè)領(lǐng)域和范疇；

10、基于所述專業(yè)領(lǐng)域以及范疇確定安全環(huán)保領(lǐng)域內(nèi)的術(shù)語和概念；

11、在owl本體語言構(gòu)建結(jié)構(gòu)化標(biāo)準(zhǔn)知識描述模型的基礎(chǔ)上，根據(jù)術(shù)語列表，定義本體模型中的類及其層次結(jié)構(gòu)；

12、其中，定義本體模型中的類及其層次結(jié)構(gòu)，包括：

13、定義類的屬性，其中，所述屬性包括數(shù)據(jù)屬性和對象屬性；

14、定義類與類之間的關(guān)系。

15、在一種可能的實現(xiàn)方式中，所述基于深度學(xué)習(xí)模型獲取安環(huán)領(lǐng)域的知識數(shù)據(jù)，包括：

16、對包括安全環(huán)保領(lǐng)域的標(biāo)準(zhǔn)規(guī)范、實驗報告以及文獻(xiàn)報告的安環(huán)文本數(shù)據(jù)進(jìn)行預(yù)處理；

17、從預(yù)處理后的安環(huán)文本數(shù)據(jù)中提取得到實體以及實體之間的關(guān)系；

18、基于實體以及實體之間的關(guān)系構(gòu)建實體識別模型和關(guān)系識別模型；

19、基于實體識別模型和關(guān)系識別模型進(jìn)行三元組抽取，并將抽取得到的知識數(shù)據(jù)存儲到neo4j圖數(shù)據(jù)庫中。

20、在一種可能的實現(xiàn)方式中，所述對安環(huán)文本數(shù)據(jù)進(jìn)行預(yù)處理，包括：

21、對所述非結(jié)構(gòu)化文本數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，并以txt文件的方式保存預(yù)處理后的安環(huán)文本數(shù)據(jù)。

22、在一種可能的實現(xiàn)方式中，所述從預(yù)處理后的安環(huán)文本數(shù)據(jù)中提取得到實體以及實體之間的關(guān)系，包括：

23、定義安環(huán)文本數(shù)據(jù)中的實體類型；

24、根據(jù)所述實體類型，基于brat工具對所述安環(huán)文本數(shù)據(jù)中的實體進(jìn)行標(biāo)注；

25、基于albert-bilstm-crf模型對標(biāo)注的結(jié)果進(jìn)行實體識別；

26、基于albert-bilstm模型對實體識別的結(jié)果進(jìn)行關(guān)系抽取。

27、其中，關(guān)系包括包含關(guān)系、關(guān)聯(lián)關(guān)系、依賴關(guān)系以及影響關(guān)系。

28、在一種可能的實現(xiàn)方式中，所述基于大語言模型對用戶輸入的自然語言問題進(jìn)行解析，得到查詢語，包括：

29、基于大語言模型對自然語言問題進(jìn)行語句主干提取解析，輸出原問題的解析結(jié)果；

30、將解析結(jié)果轉(zhuǎn)化為cypher語句，得到查詢語。

31、在一種可能的實現(xiàn)方式中，所述基于所述大語言模型、知識圖譜以及查詢語生成對應(yīng)的答案，包括：

32、在所述知識圖譜中檢索與查詢語對應(yīng)的安環(huán)知識；

33、將所述安環(huán)知識以提示的方式和查詢語一起輸入所述大語言模型；

34、基于大語言模型進(jìn)行推理生成答案。

35、本發(fā)明還提供一種安環(huán)領(lǐng)域知識問答裝置，包括：

36、本體模型構(gòu)建模塊，用于基于owl本體語言構(gòu)建結(jié)構(gòu)化標(biāo)準(zhǔn)知識描述模型構(gòu)建知識圖譜本體模型；

37、知識數(shù)據(jù)獲取模塊，用于基于深度學(xué)習(xí)模型獲取安環(huán)領(lǐng)域的知識數(shù)據(jù)；

38、知識圖譜構(gòu)建模塊，用于結(jié)合所述本體模型以及知識數(shù)據(jù)構(gòu)建安環(huán)領(lǐng)域的知識圖譜；

39、查詢語轉(zhuǎn)換模塊，用于基于大語言模型對用戶以文字形式輸入的自然語言問題進(jìn)行分析，得到查詢語；

40、答案查詢模塊，用于基于所述大語言模型、知識圖譜以及查詢語生成對應(yīng)的答案。

41、本發(fā)明還提供一種電子設(shè)備，包括：

42、存儲器，用于存儲程序；

43、處理器，與所述存儲器耦合，用于執(zhí)行所述存儲器中存儲的所述程序，以實現(xiàn)上述各方法項中任意一項所述的安環(huán)領(lǐng)域知識問答方法中的步驟。

44、本發(fā)明還提供一種存儲介質(zhì)，用于存儲計算機(jī)可讀取的程序或指令，所述程序或指令被處理器執(zhí)行時能夠?qū)崿F(xiàn)上述各方法項中任意一項所述的安環(huán)領(lǐng)域知識問答方法中的步驟。

45、本發(fā)明的有益效果是：本發(fā)明提供了一種安環(huán)領(lǐng)域知識問答方法，首先，本發(fā)明利用知識圖譜相關(guān)技術(shù)，能夠結(jié)構(gòu)化地表示安環(huán)領(lǐng)域知識，同時，大語言模型具備理解和生成自然語言的能力，兩者的融合使得安全環(huán)保領(lǐng)域的知識能夠有效整合，形成全面的領(lǐng)域知識體系，從而實現(xiàn)知識的廣泛共享與應(yīng)用。其次，本發(fā)明獲取的安環(huán)領(lǐng)域非結(jié)構(gòu)化文本數(shù)據(jù)的來源真實可靠，而深度學(xué)習(xí)模型具備從大規(guī)模數(shù)據(jù)中自動學(xué)習(xí)特征表示的能力，通過訓(xùn)練，深度學(xué)習(xí)模型能夠?qū)W習(xí)到安環(huán)領(lǐng)域非結(jié)構(gòu)化數(shù)據(jù)中的復(fù)雜模式和關(guān)聯(lián)，進(jìn)而提高抽取的知識的真實性以及準(zhǔn)確性，從而有效地解決了現(xiàn)有技術(shù)在將大語言模型與知識圖譜進(jìn)行結(jié)合后面對專業(yè)領(lǐng)域的問題可能會缺乏真實性和準(zhǔn)確性的技術(shù)問題。

技術(shù)特征：

1.一種安環(huán)領(lǐng)域知識問答方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的安環(huán)領(lǐng)域知識問答方法，其特征在于，所述基于owl本體語言構(gòu)建結(jié)構(gòu)化標(biāo)準(zhǔn)知識描述模型構(gòu)建知識圖譜本體模型，包括：

3.根據(jù)權(quán)利要求1所述的安環(huán)領(lǐng)域知識問答方法，其特征在于，所述基于深度學(xué)習(xí)模型獲取安環(huán)領(lǐng)域的知識數(shù)據(jù)，包括：

4.根據(jù)權(quán)利要求3所述的安環(huán)領(lǐng)域知識問答方法，其特征在于，所述對安環(huán)文本數(shù)據(jù)進(jìn)行預(yù)處理，包括：

5.根據(jù)權(quán)利要求3所述的安環(huán)領(lǐng)域知識問答方法，其特征在于，所述從預(yù)處理后的安環(huán)文本數(shù)據(jù)中提取得到實體以及實體之間的關(guān)系，包括：

6.根據(jù)權(quán)利要求1所述的安環(huán)領(lǐng)域知識問答方法，其特征在于，所述基于大語言模型對用戶輸入的自然語言問題進(jìn)行解析，得到查詢語，包括：

7.根據(jù)權(quán)利要求6所述的安環(huán)領(lǐng)域知識問答方法，其特征在于，所述基于所述大語言模型、知識圖譜以及查詢語生成對應(yīng)的答案，包括：

8.一種安環(huán)領(lǐng)域知識問答裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，包括：

10.一種存儲介質(zhì)，其特征在于，用于存儲計算機(jī)可讀取的程序或指令，所述程序或指令被處理器執(zhí)行時能夠?qū)崿F(xiàn)上述權(quán)利要求1至7中任意一項所述的安環(huán)領(lǐng)域知識問答方法中的步驟。

技術(shù)總結(jié)
本發(fā)明涉及一種安環(huán)領(lǐng)域知識問答方法、裝置、電子設(shè)備及存儲介質(zhì)，屬于人工智能和安全生產(chǎn)與環(huán)境保護(hù)技術(shù)領(lǐng)域，其中，知識問答方法包括：基于OWL本體語言構(gòu)建結(jié)構(gòu)化標(biāo)準(zhǔn)知識描述模型構(gòu)建知識圖譜本體模型；基于深度學(xué)習(xí)模型獲取安環(huán)領(lǐng)域的知識數(shù)據(jù)；結(jié)合知識圖譜本體模型以及知識數(shù)據(jù)構(gòu)建安環(huán)領(lǐng)域的知識圖譜；基于大語言模型對用戶輸入的自然語言問題進(jìn)行解析，得到查詢語；基于大語言模型、知識圖譜以及查詢語生成對應(yīng)的答案。本發(fā)明有效地解決了現(xiàn)有技術(shù)在將大語言模型與知識圖譜進(jìn)行結(jié)合后面對專業(yè)領(lǐng)域的問題可能會缺乏真實性和準(zhǔn)確性的技術(shù)問題。

技術(shù)研發(fā)人員：明平壽,岑子政,楊恒,任才,張夢輝,周本勝,羅璇,皮理想,袁懷月
受保護(hù)的技術(shù)使用者：中冶武勘工程技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9