一种基于大模型的公安领域事件关系数据增强方法

摘要: 本发明涉及公安领域信息处理,尤其涉及一种基于大模型的公安领域事件关系数据增强方法。背景技术:1、在公安领域长期积累了大量来源于警情、热线等的非结构化矛盾纠纷事件...
一种基于大模型的公安领域事件关系数据增强方法

本发明涉及公安领域信息处理,尤其涉及一种基于大模型的公安领域事件关系数据增强方法。

背景技术:

1、在公安领域长期积累了大量来源于警情、热线等的非结构化矛盾纠纷事件记录。将其转化为实体与关系的结构化表达以构建事件知识图谱,是实现高效检索、推理与态势分析的关键。然而为保证抽取精度,此任务目前主要依赖民警人工完成,效率低下。

2、既有研究在面向文档级长文本的信息抽取任务中,对于关系分布高度不均导致的长尾关系以及需要深层语义理解的复杂关系(如人际关系、行为关系)的识别准确率普遍无法满足警用业务的高标准要求。数据增强作为缓解数据稀缺、提升模型泛化能力的主要方法之一,已被广泛应用于该领域。然而,现有数据增强方法在公安领域的实际应用中在数据适应性、语义理解深度与生成可控性方面存在固有缺陷,具体表现为:

3、第一,数据生成质量与领域真实性脱节。现有数据增强方法多基于通用语料库或简单模板进行文本生成或改写,其核心因果链为:因为生成过程缺乏对公安领域特有文体风格、复杂事件结构的深度建模,所以生成的数据虽然在语法上正确,但难以贴合真实业务数据的表达习惯和内在逻辑;

4、第二,增强数据对复杂关系的语义分辨能力不足。现有数据增强方法强依赖于对表面关键词的匹配或浅层语义理解,因为未能设计专门的机制来区分和学习在公安领域中高度相似但法律或业务意义截然不同的关系,所以当面对关系语义重叠的挑战时,增强后的训练数据难以引导模型进行精细化的语义区分,导致关系分类错误率居高不下;

5、第三,对隐性关系的捕捉机制缺失。对于文本中未明确陈述、需要深度推理才能建立的隐含关系,因为现有数据增强方法缺乏从非关系性文本中挖掘和构建关系实例的有效手段,所以生成的数据中基本不包含隐含关系实例。这导致训练后的模型只能捕捉到文本中显性表达的关系,而遗漏了大量对于案件研判至关重要的隐性关联,信息抽取的召回率与完备性严重不足。

6、有鉴于此,特提出本发明。

技术实现思路

1、本发明的目的是提供了一种基于大模型的公安领域事件关系数据增强方法,以解决现有技术中存在的上述技术问题。本发明所述方法通过精细化的流程控制,确保生成数据在语义区分度、关系丰富性和文本真实性上的高质量,有效补充了长尾关键关系的样本,确保大模型能学习到全面、均衡的关系表征。

2、本发明的目的是通过以下技术方案实现的:

3、一种基于大模型的公安领域事件关系数据增强方法,所述方法包括:

4、步骤1、首先从领域种子数据中提取能够唯一且完整表达各关系类型的最短文本片段,以构建最小跨度表达库;

5、步骤2、保留原始数据中的所有实体及属性关系,通过优先合成稀缺关系类型来重构增强事件图谱;

6、步骤3、利用大模型依据最小跨度表达库中的范例,生成包含指定关键关系、逻辑自洽的完整事件文本,实现高质量增强数据的定向合成;

7、步骤4、利用步骤3增强后的数据微调轻量化开源大模型,实现高性能的公安领域信息抽取。

8、与现有技术相比,上述方法通过精细化的流程控制,确保生成数据在语义区分度、关系丰富性和文本真实性上的高质量,有效补充了长尾关键关系的样本,确保大模型能学习到全面、均衡的关系表征。

1.一种基于大模型的公安领域事件关系数据增强方法,其特征在于,所述方法包括:

2.根据权利要求1所述基于大模型的公安领域事件关系数据增强方法,其特征在于,在步骤1中,从领域种子数据中,针对每个关系实例,使用大模型提取能唯一、完整表达关系类型的最短文本片段;

3.根据权利要求1所述基于大模型的公安领域事件关系数据增强方法,其特征在于,在步骤2中,首先保留原始数据中的所有实体及其内在属性关系,构成背景图谱;

4.根据权利要求3所述基于大模型的公安领域事件关系数据增强方法,其特征在于,所述步骤3的过程具体为:

5.根据权利要求1所述基于大模型的公安领域事件关系数据增强方法,其特征在于,所述方法还包括:

6.根据权利要求1所述基于大模型的公安领域事件关系数据增强方法,其特征在于,所述步骤4的过程具体为:

7.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任意一项所述方法。

8.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行权利要求1至6中任意一项所述方法。