基于本地小型语言模型的知识图谱构建与服务异常检测方法、系统、设备及介质与流程

摘要: 本发明涉及智能服务管理,尤其涉及基于本地小型语言模型的知识图谱构建与服务异常检测方法、系统、设备及介质。背景技术:1、随着企业数字化转型深入,客户服务、工单处理...
基于本地小型语言模型的知识图谱构建与服务异常检测方法、系统、设备及介质与流程

本发明涉及智能服务管理,尤其涉及基于本地小型语言模型的知识图谱构建与服务异常检测方法、系统、设备及介质。

背景技术:

1、随着企业数字化转型深入,客户服务、工单处理、运维监控等业务场景中积累了海量的服务交互数据,从非结构化或半结构化的数据中有效识别服务流程异常是提升运营效率和保障客户体验的关键环节。目前,知识图谱技术被逐步引入,用于将分散的服务记录转化为结构化的知识表示。近年来,检索增强生成技术通过将知识图谱作为外部知识源来辅助语言模型进行推理判断,在智能服务管理场景中也具有较好的应用前景。

2、然而,现有的图检索增强生成技术在面向服务交互数据的异常检测与知识维护时仍存在一些不足。传统的图谱构建方式通常采用全量重构的模式,需要将大规模文档一次性输入模型进行全局实体关系对齐,这对模型的上下文窗口和推理能力提出极高要求,往往只能依赖参数量庞大的云端大模型来完成,而本地部署的小型语言模型因能力受限难以胜任此类任务,同时全量重构的方式也会导致图谱更新维护成本高,一旦有新数据流入便需重新处理全部数据,缺乏灵活高效的增量更新机制。在异常检测方面,现有方案大多局限于对图谱拓扑结构的比对或对节点属性数值的阈值判断,难以捕捉服务流程中隐含的业务逻辑,而实际服务场景中大量存在因客户特殊要求或突发状况导致的流程变通,此类合理变更在缺乏语义理解能力的检测机制下极易被误判为违规操作,从而导致较高的误报率。此外,依赖云端大模型处理涉及客户信息、服务细节等敏感数据的高频服务交互记录,不可避免地面临数据隐私泄露的风险以及持续增长的api调用费用,一定程度上限制了相关技术在企业内网环境中的规模化落地。

技术实现思路

1、鉴于上述现有存在的问题,提出了本发明。

2、因此,本发明提供了基于本地小型语言模型的知识图谱构建与服务异常检测方法及系统,解决目前因全量图谱重构导致本地小型模型难以进行动态维护的算力瓶颈问题,以及服务异常检测误报率高的问题。

3、为解决上述技术问题,本发明提供如下技术方案:

4、第一方面,本发明提供了基于本地小型语言模型的知识图谱构建与服务异常检测方法,包括:

5、获取标准服务流程文档和实时服务交互日志;

6、利用本地小型语言模型对所述标准服务流程文档进行解析,构建标准服务知识图谱;

7、根据所述实时服务交互日志,利用本地小型语言模型对已构建的实例服务知识图谱进行增量更新;

8、响应于服务异常检测请求,分别在标准服务知识图谱和实例服务知识图谱中定位对应的入口节点,并分别从入口节点出发进行路径遍历,得到标准参考路径和实例执行路径;

9、对标准参考路径和实例执行路径进行结构差异比对和属性差异比对,分别得到结构差异信息和属性差异信息;

10、将所述结构差异信息、属性差异信息及对应的服务交互记录输入本地小型语言模型进行语义逻辑推理,得到各差异信息是否具有业务合理性的判定结果;

11、根据所述判定结果,将不具备业务合理性的差异信息对应的环节确定为异常服务节点,并生成异常检测结果。

12、作为本发明所述的基于本地小型语言模型的知识图谱构建与服务异常检测方法的一种优选方案,其中:根据所述实时服务交互日志,利用本地小型语言模型对已构建的实例服务知识图谱进行增量更新,包括:

13、将所述实时服务日志按时间顺序分割为多个文本节点,并利用本地小型语言模型对各文本节点进行实体关系三元组提取,根据提取结果构建临时实例子图;

14、利用本地小型语言模型对临时实例子图进行文本序列化,生成用于表征临时实例子图结构信息的第一自然语言描述文本,并对所述第一自然语言描述文本进行文本嵌入,得到第一嵌入向量;

15、提取临时实例子图中的关键实体作为锚点,在已构建的实例服务知识图谱中定位所述锚点对应的节点,并提取所述节点在邻域范围内的候选子图,对所述候选子图进行文本序列化和文本嵌入,得到第二嵌入向量;

16、计算所述第一嵌入向量与第二嵌入向量之间相似度,根据所述相似度判定所述临时实例子图与所述候选子图之间的匹配程度,并根据匹配结果对已构建的实例服务知识图谱进行更新。

17、作为本发明所述的基于本地小型语言模型的知识图谱构建与服务异常检测方法的一种优选方案,其中:利用本地小型语言模型对临时实例子图进行文本序列化,生成用于表征临时实例子图结构信息的第一自然语言描述文本,包括:

18、利用本地小型语言模型将所述临时实例子图中的实体、实体间关系及各实体的属性信息按预设文本模板转化为自然语言语句序列,形成所述第一自然语言描述文本。

19、作为本发明所述的基于本地小型语言模型的知识图谱构建与服务异常检测方法的一种优选方案,其中:提取临时实例子图中的关键实体作为锚点,在已构建的实例服务知识图谱中定位所述锚点对应的节点,并提取所述节点在邻域范围内的候选子图,包括:

20、提取所述临时实例子图中的关键实体作为锚点,在已构建的实例服务知识图谱中检索与所述锚点匹配的节点;

21、以所述节点为中心向外扩展预设跳数,将扩展范围内的所有节点和关系构成的子图作为所述候选子图。

22、作为本发明所述的基于本地小型语言模型的知识图谱构建与服务异常检测方法的一种优选方案,其中:根据匹配结果对已构建的实例服务知识图谱进行更新,包括:

23、响应于匹配程度大于或等于预设阈值,判定所述临时实例子图属于已有服务模式的重复执行,以所述临时实例子图对候选子图对应的统计属性进行加权更新;

24、响应于匹配程度小于预设阈值,判定所述临时实例子图为新的服务模式变体,将所述临时实例子图作为新分支嫁接至所述已构建的实例服务知识图谱中锚点对应的节点上。

25、作为本发明所述的基于本地小型语言模型的知识图谱构建与服务异常检测方法的一种优选方案,其中:响应于服务异常检测请求,分别在标准服务知识图谱和实例服务知识图谱中定位对应的入口节点,包括:

26、获取待检测服务实例的关键词或标识信息;

27、利用关键词匹配方式在所述标准服务知识图谱和所述实例服务知识图谱中进行检索,同时利用待检测服务实例的文本嵌入向量在标准服务知识图谱和实例服务知识图谱的向量索引中进行检索;

28、融合两种检索结果分别确定所述标准服务知识图谱中的标准入口节点和所述实例服务知识图谱中的实例入口节点。

29、作为本发明所述的基于本地小型语言模型的知识图谱构建与服务异常检测方法的一种优选方案,其中:将所述结构差异信息、属性差异信息及对应的服务交互记录输入本地小型语言模型进行语义逻辑推理,得到各差异信息是否具有业务合理性的判定结果,包括:

30、以所述标准参考路径所对应的标准服务要求、所述实例执行路径所对应的实际服务执行记录、所述结构差异信息和属性差异信息作为上下文信息,构建语义推理提示词;

31、将所述语义推理提示词输入本地小型语言模型,由所述小型语言模型根据上下文信息对各差异信息进行业务合理性推理,输出各差异信息属于业务合理变更还是服务异常的分类标签及对应的推理依据。

32、第二方面,本发明提供了基于本地小型语言模型的知识图谱构建与服务异常检测系统,包括:

33、获取模块,用于获取标准服务流程文档和实时服务交互日志;

34、解析模块,用于利用本地小型语言模型对所述标准服务流程文档进行解析,构建标准服务知识图谱;

35、更新模块,用于根据所述实时服务交互日志,利用本地小型语言模型对已构建的实例服务知识图谱进行增量更新;

36、定位模块,用于响应于服务异常检测请求,分别在标准服务知识图谱和实例服务知识图谱中定位对应的入口节点,并分别从入口节点出发进行路径遍历,得到标准参考路径和实例执行路径;

37、比对模块,用于对标准参考路径和实例执行路径进行结构差异比对和属性差异比对,分别得到结构差异信息和属性差异信息;

38、判定模块,用于将所述结构差异信息、属性差异信息及对应的服务交互记录输入本地小型语言模型进行语义逻辑推理,得到各差异信息是否具有业务合理性的判定结果;

39、结果输出模块,用于根据所述判定结果,将不具备业务合理性的差异信息对应的环节确定为异常服务节点,并生成异常检测结果。

40、第三方面,本发明提供了一种计算机设备,包括:

41、存储器和处理器;

42、所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现基于本地小型语言模型的知识图谱构建与服务异常检测方法的步骤。

43、第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述基于本地小型语言模型的知识图谱构建与服务异常检测方法的步骤。

44、与现有技术相比,本发明的有益效果:本发明通过构建标准服务知识图谱与实例服务知识图谱双重基准,为服务流程的异常检测提供规范与执行之间的对照基础;并借助基于子图文本嵌入的增量融合策略将复杂的全量图谱构建任务拆解为本地小型语言模型可胜任的微观子图提取与语义相似度判定,从而突破本地小型模型的算力瓶颈,使图谱的动态维护可不再依赖云端大模型的超长上下文窗口,进而能够在保障企业数据隐私不出域的前提下降低硬件部署与运营成本;同时,在异常检测环节中,通过结构校验与属性校验识别出差异点之后,引入本地小型语言模型对差异点进行业务逻辑的语义推理,使系统能够区分违规操作与合理业务变更,在传统硬性检测机制的基础上提升异常判定的准确率与可用性;整体可在不依赖外部云端服务的情况下,提供精准高效的自动化异常检测支持。