一种基于语义理解的安全规范智能检索方法及系统与流程

摘要: 本发明主要涉及信息检索,尤其是涉及一种基于语义理解的安全规范智能检索方法及系统。背景技术:1、在建设工程、水利工程、电力工程等领域,安全规范是指导现场施工、预防...
一种基于语义理解的安全规范智能检索方法及系统与流程

本发明主要涉及信息检索,尤其是涉及一种基于语义理解的安全规范智能检索方法及系统。

背景技术:

1、在建设工程、水利工程、电力工程等领域,安全规范是指导现场施工、预防安全事故、出具整改意见的核心法律依据。目前,我国工程安全相关的标准规范体系极其庞大且繁杂,涵盖国家标准(gb系列,如gb 50720《施工现场消防规范》)、行业标准(jgj系列,如jgj59《建筑施工安全检查标准》、sl水利标准、dl电力标准)、地方标准(db系列)以及各企业的内部管理制度。据统计,相关规范标准总数超万种,涉及的规范条款语义块多达数万个。现场安全管理人员在进行隐患排查时,需要从这些海量且不断更新的规范中,精准查找出适用于当前项目所在地、当前工程类型及当前隐患等级的强制性规范条款,这在实际工程业务中是一项门槛极高、工作量极大的任务。

2、近年来,随着信息化和人工智能技术的发展,工程安监领域开始引入电子化检索与智能问答技术。目前行业内检索技术主要沿着“字面匹配”“通用语义匹配”和“生成式问答”三个阶段演进。主要包括以下三类:

3、(1)基于全文倒排索引的传统关键词检索系统。该方案将安全规范文档切分为段落,存入关系型数据库或elasticsearch等搜索引擎中。用户输入查询词后,系统利用tf-idf或bm25等算法构建倒排索引进行字面精确匹配,并按词频相关性得分返回检索结果。此类方案是目前大多数施工企业信息化系统内置的默认检索方式。

4、(2)基于通用深度语义网络与基础安全规范知识图谱的检索方法。此类方案利用通用的深度学习模型将规范文本转化为稠密向量,或者构建限定场景的工程安全规范知识图谱。用户查询时,系统计算查询文本向量与规范文本向量的余弦相似度,或在图谱中进行节点匹配以召回结果。

5、(3)基于通用rag的大语言模型问答系统。随着大语言模型的普及,部分企业开始采用“向量数据库+通用大语言模型”的rag架构。其常见流程为:使用通用embedding模型将长篇规范pdf文档直接分块并向量化入库;用户提问时,系统通过单纯的语义相似度检索top-k文档块,然后将其直接作为上下文输入给通用大语言模型,由大语言模型归纳生成自然语言回答。

6、然而,现有技术在实际应用中存在以下主要缺陷。

7、(1)基础检索算法语义理解不足,跨表达匹配精度较低。传统关键词检索系统依赖分词后的字面匹配,难以处理实际排查中口语化的隐患描述与规范文本学术表述之间的语义差异,容易造成漏检;同时,通用深度语义模型由于缺乏对大量安全规范专用术语和工程语料的针对性微调,难以准确捕捉专业术语的映射关系。

8、(2)现有排序机制维度单一,缺乏对工程效力层级与适用地域的区分。现有方案通常仅依赖文本表面相似度进行排序,忽略了安全规范特有的多维属性约束,如法律效力层级、地域适用性以及隐患危险等级。这种单一维度的排序方式容易将不具有法律效力或非项目所在地的规范排在前面,影响整改决策的准确性。

9、(3)通用rag问答系统在生成阶段存在“大语言模型幻觉”问题且难以溯源。在缺乏系统级约束机制的情况下,大语言模型容易受预训练参数影响生成虚构的规范编号或规范条款内容。在对准确性要求极高的安监场景中,这种缺乏可溯源依据的错误生成会带来严重的安全合规风险。

技术实现思路

1、本发明提供一种基于语义理解的安全规范智能检索方法及系统,旨在解决现有的施工安全规范检索容易漏检,准确率不高,且难以溯源的问题。

2、本发明解决上述技术问题采用的技术方案:

3、一方面,本发明提供一种基于语义理解的安全规范智能检索方法,包括以下步骤:

4、s1:将安全规范文档拆分为规范条款,提取规范条款的结构化元数据,所述结构化元数据包括效力层级、地域标签、发布年份、规范编号和关联隐患类型;

5、s2:基于规范条款构建安全规范知识图谱;安全规范知识图谱构建过程中,从规范条款中抽取隐患分类节点和规范术语节点,同时建立非标准词汇与规范术语之间的同义词映射关系,将所述同义词映射关系作为词典属性存储于安全规范知识图谱中;

6、s3:基于语义模型将各规范条款编码为稠密向量以构建稠密向量索引,并基于各规范条款的文本内容构建全文倒排索引;

7、s4:提取用户输入的查询请求中的地理位置特征和隐患实体,基于安全规范知识图谱中的同义词映射关系对隐患实体进行术语扩展,将地理位置特征与扩展后的隐患实体共同作为预处理查询特征;

8、s5:将预处理查询特征分别输入稠密向量索引和全文倒排索引进行召回,对两路召回的得分进行归一化融合,得到各规范条款的基础相关性得分,并根据设置的置信度阈值筛选出候选条款集合;

9、s6:根据结构化元数据确定候选条款集合中各规范条款的效力权重、地域权重和时效权重,根据安全规范知识图谱计算各规范条款与隐患实体之间的图谱跳数距离,确定各规范条款的危险等级权重,基于效力权重、地域权重、时效权重和危险等级权重与各规范条款的基础相关性得分,计算各规范条款的优先级得分,根据优先级得分排序截取目标条款集;

10、s7:将目标条款集和用户输入的查询请求组合为提示词上下文,向大语言模型注入限定输出格式的结构化约束,驱动大语言模型基于目标条款集中的规范条款原文对用户输入的查询请求进行回答。

11、进一步的,s3中所述语义模型经过领域自适应微调,以历史隐患排查记录中的口语化隐患描述作为查询,以对应的规范条款原文作为正样本,以基于临时bm25语料库召回的、与查询字面相似但语义无关的规范条款作为困难负样本,采用infonce损失函数对所述语义模型进行优化。

12、进一步的,s4中提取用户输入的查询请求中的地理位置特征和隐患实体包括:当用户输入的查询请求包含图片时,从图片中提取定位坐标并解析为地理位置特征,同时调用视觉模型识别图片中的隐患实体并转化为文本标签;当用户输入的查询请求不包含图片时,通过命名实体识别模型从用户输入的查询请求的文本中提取所述地理位置特征和所述隐患实体。

13、进一步的,s5中所述基础相关性得分为:

14、;

15、;

16、;

17、式中,为基础相关性得分,为权重系数,为稠密向量索引的余弦相似度得分,为全文倒排索引的bm25得分,和分别为和的归一化值,和分别表示相应得分的最小和最大值。

18、进一步的,所述权重系数为0.7。

19、进一步的,当规范条款的效力层级为强制性规范时,效力权重大于1;当规范条款的效力层级为推荐性规范时,效力权重等于1;当规范条款的效力层级为已废止规范时,效力权重为0;

20、当规范条款的地域标签与地理位置特征完全匹配时,地域权重大于1;当规范条款为全国通用标准时,地域权重等于1;当规范条款的地域标签与地理位置特征属于异地地方标准时,地域权重小于1;

21、当规范条款的发布年份越接近当前时间,时效权重越大;

22、当规范条款在安全规范知识图谱中与隐患实体之间的图谱跳数距离为1时,危险等级权重大于1;当所述图谱跳数距离大于等于2时,危险等级权重大于1且小于图谱跳数距离为1时的危险等级权重;当无危险关联时,危险等级权重等于1。

23、进一步的,s6中所述优先级得分为:

24、;

25、其中,为优先级得分,为基础相关性得分,为效力权重,为危险等级权重,为地域权重,为时效权重。

26、进一步的,s6还包括:当降序排序后的最高优先级得分低于预设阈值时,降低s5中的置信度阈值或增大召回数量扩大候选条款集合范围进行退化查询重试;当退化查询重试超过预设次数时,取消地域权重的排他惩罚,强制召回异地规范条款并附加提示标签。

27、进一步的,s7中还包括:对大语言模型回答内容中的规范编号与目标条款集中的规范编号进行一致性比对校验,以及对大语言模型回答内容中的规范条款原文与目标条款集中对应的原始规范条款正文进行保真度比对校验,当任一校验不通过时,触发纠错重试或降级展示原始规范条款。

28、另一方面,本发明还提供一种基于语义理解的安全规范智能检索系统,所述系统包括:

29、文档解析模块,用于将安全规范文档拆分为规范条款,提取规范条款的结构化元数据,所述结构化元数据包括效力层级、地域标签、发布年份、规范编号和关联隐患类型;

30、安全规范知识图谱构建模块,用于基于规范条款构建安全规范知识图谱;在安全规范知识图谱构建过程中,从规范条款中抽取隐患分类节点和规范术语节点,同时建立非标准词汇与规范术语之间的同义词映射关系,将所述同义词映射关系作为词典属性存储于安全规范知识图谱中;

31、索引构建模块,用于基于语义模型将各规范条款编码为稠密向量以构建稠密向量索引,并基于各规范条款的文本内容构建全文倒排索引;

32、多模态解析模块,用于提取用户输入的查询请求中的地理位置特征和隐患实体,基于安全规范知识图谱中的同义词映射关系对隐患实体进行术语扩展,将地理位置特征与扩展后的隐患实体共同作为预处理查询特征;

33、混合检索引擎,用于将预处理查询特征分别输入稠密向量索引和全文倒排索引进行召回,对两路召回的得分进行归一化融合,得到各规范条款的基础相关性得分,并根据设置的置信度阈值筛选出候选条款集合;

34、目标规范条款筛选模块,用于根据结构化元数据确定候选条款集合中各规范条款的效力权重、地域权重和时效权重,根据安全规范知识图谱计算各规范条款与隐患实体之间的图谱跳数距离,确定各规范条款的危险等级权重,基于效力权重、地域权重、时效权重和危险等级权重与各规范条款的基础相关性得分,计算各规范条款的优先级得分,根据优先级得分排序截取目标条款集;

35、约束生成模块,用于将目标条款集和用户输入的查询请求组合为提示词上下文,向大语言模型注入限定输出格式的结构化约束,驱动大语言模型基于目标条款集中的规范条款原文对用户输入的查询请求进行回答。

36、本发明的有益效果:

37、(1)通过领域自适应微调的语义模型结合安全规范知识图谱同义词映射,能够有效弥合口语化隐患描述与专业规范文本之间的语义鸿沟,大幅提升跨表达匹配的准确率,减少漏检误检,提升检索效率,为施工现场隐患整改提供可靠的规范依据支撑;

38、(2)引入效力层级、地域适用性、发布时效、危险等级多维度权重对检索结果重排序,能够精准匹配项目实际场景的规范适用要求,避免无效规范干扰整改决策;

39、(3)通过对大语言模型输出的双层校验机制与结构化生成约束,从根源上抑制大语言模型幻觉问题,所有生成回答均可追溯至原始规范条款,满足安监场景的高准确性要求,有效规避安全合规风险。