本体子图提示注入的多源异构情报协同研判方法及系统与流程

本发明涉及情报分析，具体涉及一种结合情报领域本体与大语言模型生成能力，对多源异构情报进行语义融合、冲突消解与智能研判的方法及系统。

背景技术：

1、现代情报来源高度多元，包含文本报告、图像视频、信号截获、社交媒体、开源情报等多种异构形态。现有情报融合与研判技术在工程实践中存在以下技术问题与缺点：

2、其一，语义鸿沟。各情报源使用不同的术语体系、实体命名与事件描述框架，同一实体在不同源中可能以不同称谓出现，同一事件可能以不同要素框架描述。传统基于关键词匹配与模板规则的融合方法语义理解浅，难以跨源识别同一实体与事件，导致信息割裂。

3、其二，冲突消解弱。多源情报常出现相互矛盾或置信度不一致的情况，例如不同来源对同一目标的位置、归属给出相互冲突的判断。现有方法缺乏显式的置信度建模与冲突仲裁机制，往往简单取最新或多数，丢失了来源可靠性与时效衰减等关键信息。

4、其三，研判不可溯源。直接采用大语言模型进行情报研判，存在严重幻觉、无领域知识约束、结论缺乏证据链等缺陷，研判结论"说不清依据从何而来"，难以满足情报产品的可溯源与可追责要求。

5、现有技术尚未提供一种将情报本体作为语义骨架、深度约束并增强生成模型的融合研判方法。

技术实现思路

1、本发明的目的在于针对现有多源异构情报融合研判技术中存在的跨源语义鸿沟、冲突消解能力弱、研判结论不可溯源及大语言模型幻觉问题，提供一种以情报领域本体为语义骨架、以本体子图动态增强大语言模型生成过程的多源异构情报融合与研判方法及系统。

2、根据本发明的一个目的，本发明提供一种本体子图提示注入的多源异构情报协同研判方法，包括以下步骤：

3、s1：构建包含五类维度的情报领域本体，作为统一语义骨架；

4、s2：对多源异构情报进行预处理与语义要素抽取，将各源情报映射为本体个体并记录元数据；

5、s3：基于所述情报领域本体进行跨源实体对齐，并对冲突情报执行可信度加权仲裁，输出各候选取值的置信度分布；

6、s4：针对研判任务，从所述情报领域本体中动态检索相关本体子图作为结构化硬约束提示注入大语言模型，生成带证据链的研判结论；

7、s5：将研判结论与新发现的实体、关系回写至所述情报领域本体，形成生成-回写闭环。

8、进一步地，步骤s1中，所述情报领域本体包括：

9、实体子本体，包含人物、组织、装备、地点四类实体类型；

10、关系子本体，包含从属、合作、对抗、派生四类关系类型；

11、事件子本体，包含事件类型、事件要素、事件时序三类属性；

12、时空子本体，包含时间区间、地理坐标、轨迹三类时空属性；

13、可信度子本体，包含来源可靠性ρ∈[0,1]、内容置信度c∈[0,1]、时效衰减系数λ三类可信度属性。

14、进一步地，步骤s3中，所述跨源实体对齐的具体过程为：

15、计算两个候选本体个体a和b的对齐相似度：

16、sim(a,b)=μsimattr(a,b)+νsimstruct(n(a),n(b))；

17、其中，simattr为属性相似度，simstruct为关系邻域n()的结构相似度，μ+ν=1；

18、当sim(a,b)超过预设对齐阈值时，判定所述两个候选本体个体为同一实体。

19、进一步地，步骤s3中，所述可信度加权仲裁的具体过程为：

20、对指向同一实体或事件但取值矛盾的多条情报rk，计算每条情报对候选取值x的支持权重：

21、wk=ρ(srck)cke-λ(t0-tk)；

22、其中，t0为研判时刻，tk为情报rk的时间戳；

23、计算候选取值x的综合置信度：

24、；

25、输出所有候选取值及其对应的综合置信度，形成置信度分布。

26、进一步地，步骤s4的具体过程为：

27、根据研判任务和实体对齐结果，从所述情报领域本体中检索相关本体子图；

28、基于所述本体子图和置信度分布构建结构化硬约束提示；

29、将所述结构化硬约束提示注入大语言模型生成研判草稿；

30、对所述研判草稿进行校验：检查草稿中出现的实体类型、关系类型是否属于所述情报领域本体定义的集合，检查草稿中的每条结论是否关联到本体节点；

31、若存在违反约束的内容，将违反信息反馈至大语言模型并触发重生成，直至草稿符合所有约束或达到最大重试次数；

32、输出最终研判结论，所述最终研判结论包含研判内容、证据链和置信度分布。

33、根据本发明的另一个目的，本发明提供一种基于上述方法的本体子图提示注入的多源异构情报协同研判系统，包括：

34、本体构建模块，用于构建包含五类维度的情报领域本体，作为统一语义骨架；

35、情报预处理模块，用于对多源异构情报进行预处理与语义要素抽取，将各源情报映射为本体个体并记录元数据；

36、对齐与仲裁模块，用于基于所述情报领域本体进行跨源实体对齐，并对冲突情报执行可信度加权仲裁，输出各候选取值的置信度分布；

37、oag研判引擎，用于针对研判任务，从所述情报领域本体中动态检索相关本体子图作为结构化硬约束提示注入大语言模型，生成带证据链的研判结论；

38、回写与演化模块，用于将研判结论与新发现的实体、关系回写至所述情报领域本体，形成生成-回写闭环。

39、进一步地，所述本体构建模块构建的情报领域本体包括：

40、实体子本体，包含人物、组织、装备、地点四类实体类型；

41、关系子本体，包含从属、合作、对抗、派生四类关系类型；

42、事件子本体，包含事件类型、事件要素、事件时序三类属性；

43、时空子本体，包含时间区间、地理坐标、轨迹三类时空属性；

44、可信度子本体，包含来源可靠性ρ∈[0,1]、内容置信度c∈[0,1]、时效衰减系数λ三类可信度属性。

45、进一步地，所述对齐与仲裁模块包括：

46、实体对齐单元，用于计算两个候选本体个体a和b的对齐相似度sim(a,b)=μsimattr(a,b)+νsimstruct(n(a),n(b))，其中，simattr为属性相似度，simstruct为关系邻域n()的结构相似度，μ+ν=1；当sim(a,b)超过预设对齐阈值时，判定所述两个候选本体个体为同一实体；

47、冲突仲裁单元，用于对指向同一实体或事件但取值矛盾的多条情报r_k，计算每条情报对候选取值x的支持权重wk=ρ(src_k)cke-λ(t0-tk)，其中t0为研判时刻，tk为情报rk的时间戳；计算候选取值x的综合置信度：

48、；

49、输出所有候选取值及其对应的综合置信度，形成置信度分布。

50、进一步地，所述oag研判引擎包括：

51、子图检索单元，用于根据研判任务和实体对齐结果，从所述情报领域本体中检索相关本体子图；

52、提示构建单元，用于基于所述本体子图和置信度分布构建结构化硬约束提示；

53、生成与校验单元，用于将所述结构化硬约束提示注入大语言模型生成研判草稿；对所述研判草稿进行校验：检查草稿中出现的实体类型、关系类型是否属于所述情报领域本体定义的集合，检查草稿中的每条结论是否关联到本体节点；若存在违反约束的内容，将违反信息反馈至大语言模型并触发重生成，直至草稿符合所有约束或达到最大重试次数；输出最终研判结论，所述最终研判结论包含研判内容、证据链和置信度分布。

54、进一步地，所述回写与演化模块还用于基于研判结论的证据链生成可视化证据路径，供分析人员审核每条结论的来源与仲裁过程。

55、本发明的技术方案通过构建多维度情报领域本体作为统一语义骨架，实现多源异构情报的标准化语义映射，有效弥合不同情报源间的术语体系差异与语义鸿沟，完成跨源实体与事件的统一识别。通过可信度加权仲裁机制输出置信度分布，替代传统简单取舍模式，兼顾来源可靠性、内容置信度与时序衰减因素，显著提升冲突消解的科学性。同时以本体子图作为硬约束提示注入大语言模型，从生成机制层面抑制幻觉，强制结论关联本体节点形成证据链，满足可溯源要求；配合生成—回写闭环驱动本体持续演化，实现情报研判能力的自迭代提升。