防汛抢险知识(实体、关系)是防汛抢险业务知识图谱的重要组成部分。防汛实体间关系错综复杂分布在无结构文本中,而可利用文本数量过少和文本质量偏低为该领域知识抽取工作带来了挑战。为此本文提出使用大型语言模型LLM(Large Language M...防汛抢险知识(实体、关系)是防汛抢险业务知识图谱的重要组成部分。防汛实体间关系错综复杂分布在无结构文本中,而可利用文本数量过少和文本质量偏低为该领域知识抽取工作带来了挑战。为此本文提出使用大型语言模型LLM(Large Language Model)进行大坝防汛抢险知识推理的思路。基于LLM设计防汛实体抽取器、防汛实体知识解析器以及防汛实体间关系决策器三个子模块,设计一系列有效任务提示,并将其链接形成人工智能AI(Artificial Intelligence)链。通过AI链中提示与LLM实时交互逐步完成防汛知识推理任务。同时设计群体智能策略提高防汛实体间关系推理的可靠性。将本文提出的知识推理方法与现有方法进行对比,实验结果表明本文设计的AI链可有效提升LLM进行实体间关系推理的准确率,验证了AI链和群体智能策略的有效性。这一知识推理新范式可为提高水利防汛知识可访问性提供新的解决思路。展开更多
文摘防汛抢险知识(实体、关系)是防汛抢险业务知识图谱的重要组成部分。防汛实体间关系错综复杂分布在无结构文本中,而可利用文本数量过少和文本质量偏低为该领域知识抽取工作带来了挑战。为此本文提出使用大型语言模型LLM(Large Language Model)进行大坝防汛抢险知识推理的思路。基于LLM设计防汛实体抽取器、防汛实体知识解析器以及防汛实体间关系决策器三个子模块,设计一系列有效任务提示,并将其链接形成人工智能AI(Artificial Intelligence)链。通过AI链中提示与LLM实时交互逐步完成防汛知识推理任务。同时设计群体智能策略提高防汛实体间关系推理的可靠性。将本文提出的知识推理方法与现有方法进行对比,实验结果表明本文设计的AI链可有效提升LLM进行实体间关系推理的准确率,验证了AI链和群体智能策略的有效性。这一知识推理新范式可为提高水利防汛知识可访问性提供新的解决思路。
