一种基于大模型的产业技术图谱生成方法与流程

本申请涉及知识图谱、机器学习领域，特别涉及一种基于大模型的产业技术图谱生成方法。

背景技术：

1、产业技术图谱的构建依赖于从项目文档、论文、专利等多源异构证据中抽取技术实体及其关联，以形成反映技术演进规律的结构化知识图谱。现有基于大模型的构建方法通常直接输出技术实体的演进阶段标签与跨领域关联关系，并对抽取结果辅以置信度评分以过滤错误三元组，或将权威技术字典作为硬性约束以抑制大模型幻觉。

2、然而，上述方法中，大模型输出的演进阶段标签缺乏与文献年度产出、专利年度产出等客观时序证据的绑定与交叉验证，导致图谱时序维度不可校准且易受模型随机性干扰。同时，跨领域关联的置信度评分未将其来源证据与实体的演进阶段可信度相关联，亦未将支撑关联的具体证据记录为可追溯的溯源信息，使得图谱中的关联既难以量化采信，也无法在事后核查其证据依据。此外，权威字典的硬性约束无法包容字典未收录的新兴技术，而缺乏来源证据硬门限的置信度筛选则难以有效抑制无事实支撑的幻觉节点。

3、上述缺陷导致现有产业技术图谱在时序可信度、关联可追溯性以及防幻觉与新兴技术包容的平衡方面存在明显短板，难以满足产业技术演进推演对客观证据支撑与可解释性的要求。

技术实现思路

1、本申请实施例提供了一种基于大模型的产业技术图谱生成方法，技术方案如下：

2、一方面，提供了一种基于大模型的产业技术图谱生成方法，所述方法包括：

3、对多源异构产业技术证据进行实体与关联的结构化抽取并绑定来源溯源标注，得到技术实体集合与跨实体关联集合；

4、基于所述技术实体集合中各实体绑定的证据片段中的文献年度产出序列与专利年度产出序列，计算演进阶段校准指标，并依据所述演进阶段校准指标确定各实体的时序状态与阶段校准置信度；

5、将所述阶段校准置信度作为加权因子，与所述跨实体关联集合中跨领域技术实体对的证据共现强度及语义亲和度融合，生成跨领域关联的量化置信度，并绑定关联溯源清单；

6、以所述阶段校准置信度加权后的证据共现信号、所述关联溯源清单构成的来源文档支撑信号以及权威前沿字典命中信号，共同裁决所述技术实体集合与所述跨实体关联集合中各对象的可采纳性，并在要求来源文档支撑的前提下生成结构化的产业技术图谱。

1.一种基于大模型的产业技术图谱生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对多源异构产业技术证据进行实体与关联的结构化抽取并绑定来源溯源标注，得到技术实体集合与跨实体关联集合，包括：

3.根据权利要求2所述的方法，其特征在于，所述构造携带实体类别约束和输出格式规范的提示信息，并将所述提示信息与所述多源异构产业技术证据一并输入大语言模型，驱动所述大语言模型执行实体识别和关联关系发现，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述技术实体集合中各实体绑定的证据片段中的文献年度产出序列与专利年度产出序列，计算演进阶段校准指标，包括：

5.根据权利要求1所述的方法，其特征在于，所述依据所述演进阶段校准指标确定各实体的时序状态与阶段校准置信度，包括：

6.根据权利要求1所述的方法，其特征在于，所述将所述阶段校准置信度作为加权因子，与所述跨实体关联集合中跨领域技术实体对的证据共现强度及语义亲和度融合，生成跨领域关联的量化置信度，并绑定关联溯源清单，包括：

7.根据权利要求1所述的方法，其特征在于，所述以所述阶段校准置信度加权后的证据共现信号、所述关联溯源清单构成的来源文档支撑信号以及权威前沿字典命中信号，共同裁决所述技术实体集合与所述跨实体关联集合中各对象的可采纳性，包括：

8.根据权利要求1所述的方法，其特征在于，所述在要求来源文档支撑的前提下生成结构化的产业技术图谱，包括：

9.根据权利要求1所述的方法，其特征在于，所述方法还包括在所述共同裁决之后执行的实体归一化处理：

10.根据权利要求1所述的方法，其特征在于，在所述共同裁决完成后，所述方法还包括：