基于CAD知识图谱与大模型协同的工程问答方法及装置与流程

本技术涉及数据处理领域，具体涉及一种基于cad知识图谱与大模型协同的工程问答方法及装置。

背景技术：

1、随着数字化设计与工业4.0的推进，cad/cae/cam（计算机辅助设计/工程/制造）系统积累了海量产品设计、工艺、仿真与运维数据。然而，这些数据多以异构文档、私有格式三维模型、表格等形式存在，缺乏语义化组织和统一访问接口，导致工程师难以跨系统、跨数据快速获取所需知识。

2、现有技术主要存在以下不足：一是传统基于关键词的检索系统无法理解工程语义，难以回答如“哪些零件的材料强度低于工况要求”这类需多跳推理的复杂问题；二是纯大型语言模型虽具备自然语言理解能力，但在工程领域易产生幻觉，答案缺乏可追溯性与准确性，尤其无法可靠响应设计规范和约束条件；三是基于sparql（sparql协议，是用于查询rdf图数据库的标准语言）的知识图谱问答虽能精确查询，但要求用户掌握sparql语法，对普通设计人员或现场运维人员不友好；四是现有系统普遍缺乏对cad语义本体（如零件属性、装配关系、故障传播链）的显式建模，知识难以复用和推理。

3、因此，亟需一种基于cad知识图谱与大模型协同的工程问答方法，能够提高工程检索问答的准确性和效率。

技术实现思路

1、针对现有技术中的问题，本技术提供一种基于cad知识图谱与大模型协同的工程问答方法及装置，能够提高工程检索问答的准确性和效率。

2、为了解决上述问题中的至少一个，本技术提供以下技术方案：

3、第一方面，本技术提供一种基于cad知识图谱与大模型协同的工程问答方法，包括：

4、接收用户输入的自然语言问题文本，并对所述自然语言问题文本进行文本预处理操作，确定对应的标准化问题数据；

5、将所述标准化问题数据输入预设第一语言模型进行意图分类和实体识别，确定所述第一语言模型输出的查询意图和查询中间表示数据，其中，所述查询意图包括数值查询意图、存在性查询意图、路径查询意图、聚合查询意图以及比较查询意图中的至少一种；

6、基于所述查询意图和所述查询中间表示数据动态构建查询语句，并将构建后的查询语句输入至预设cad工程知识图谱进行结果查询，确定所述cad工程知识图谱输出的查询结果，若所述查询结果为非空，则将所述查询结果输入预设第二语言模型进行自然语言推理，确定对应的自然语言答案文本，将所述自然语言答案文本和对应的知识来源标识与推理链进行绑定后输出，完成工程问答。

7、进一步地，所述将所述标准化问题数据输入预设第一语言模型进行意图分类和实体识别，确定所述第一语言模型输出的查询意图和查询中间表示数据，包括：

8、获取当前对话历史记录数据，根据所述历史记录数据对所述标准化问题数据进行指代消解操作和省略补全操作，确定对应的上下文增强数据；

9、将所述上下文增强数据输入预设第一语言模型进行意图分类和实体识别，确定所述第一语言模型输出的查询意图和查询中间表示数据，其中，所述查询意图包括数值查询意图、存在性查询意图、路径查询意图、聚合查询意图以及比较查询意图中的至少一种，所述查询中间表示数据包括实体识别到的实体类型、实体标识、目标属性、约束条件以及返回目标类型。

10、进一步地，所述基于所述查询意图和所述查询中间表示数据动态构建查询语句，包括：

11、将所述查询意图和预设sparql模板库进行匹配，若匹配一致，则调用匹配一致的sparql模板对所述查询中间表示数据进行实例化，确定对应的sparql查询语句；

12、若匹配不一致，则根据所述查询中间表示数据进行查询语句动态构造，确定对应的sparql查询语句。

13、进一步地，所述根据所述查询中间表示数据进行查询语句动态构造，确定对应的sparql查询语句，包括：

14、以所述查询中间表示数据的实体为根节点、属性为边、将约束条件转换为filter表达式，构建对应的查询图；

15、根据设定编译规则将所述查询图编译为对应的sparql查询语句，并对编译后的sparql查询语句进行查询优化，确定对应的优化后的sparql查询语句，其中，所述查询优化包括对编译后的sparql查询语句进行常量折叠、三元组模式重排以及冗余filter合并。

16、进一步地，所述设定编译规则，包括：

17、遍历所述查询图的每个节点，将每个有向边及其两端节点转换为sparql查询三元组，根据遍历得到的所有sparql查询三元组，确定对应的sparql查询三元组集合，其中，若所述有向边的路径长度为多跳，则自动插入中间匿名变量，将多跳路径展开为多个首尾相接的sparql查询三元组；

18、将所述查询图中每个约束条件对应的所述filter表达式转换为sparql的filter子句；

19、根据所述查询中间表示数据中的所述返回目标类型确定对应的查询形式，其中，所述查询形式包括select、ask以及construct；

20、根据所述sparql查询三元组、所述sparql的filter子句以及所述查询形式，确定对应的sparql查询语句。

21、进一步地，在所述将构建后的查询语句输入至预设cad工程知识图谱进行结果查询，确定所述cad工程知识图谱输出的查询结果之后，还包括：

22、若所述查询结果为空，则调用预设语言模型对所述构建后的查询语句进行泛化或知识补充操作，确定对应的泛化查询语句或知识补充提示数据；

23、若生成泛化查询语句，则将所述泛化查询语句重新输入至所述cad工程知识图谱进行结果查询，确定对应的查询结果，若生成知识补充提示数据，则将所述知识补充提示数据直接输出，用于引导用户补充知识库。

24、进一步地，所述对所述自然语言问题文本进行文本预处理操作，确定对应的标准化问题数据，包括：

25、对所述自然语言问题文本进行文本预处理操作，所述文本预处理操作包括分词、工程术语标准化以及拼写纠错；

26、根据经过文本预处理操作后的问题文本，确定对应的标准化问题数据。

27、第二方面，本技术提供一种基于cad知识图谱与大模型协同的工程问答装置，包括：

28、问题交互模块，用于接收用户输入的自然语言问题文本，并对所述自然语言问题文本进行文本预处理操作，确定对应的标准化问题数据；

29、语义解析模块，用于将所述标准化问题数据输入预设第一语言模型进行意图分类和实体识别，确定所述第一语言模型输出的查询意图和查询中间表示数据，其中，所述查询意图包括数值查询意图、存在性查询意图、路径查询意图、聚合查询意图以及比较查询意图中的至少一种；

30、查询构造及答案合成模块，用于基于所述查询意图和所述查询中间表示数据动态构建查询语句，并将构建后的查询语句输入至预设cad工程知识图谱进行结果查询，确定所述cad工程知识图谱输出的查询结果，若所述查询结果为非空，则将所述查询结果输入预设第二语言模型进行自然语言推理，确定对应的自然语言答案文本，将所述自然语言答案文本和对应的知识来源标识与推理链进行绑定后输出，完成工程问答。

31、第三方面，本技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于cad知识图谱与大模型协同的工程问答方法的步骤。

32、第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于cad知识图谱与大模型协同的工程问答方法的步骤。

33、第五方面，本技术提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的基于cad知识图谱与大模型协同的工程问答方法的步骤。

34、由上述技术方案可知，本技术提供一种基于cad知识图谱与大模型协同的工程问答方法及装置，通过接收用户输入的自然语言问题文本，并进行预处理得到标准化问题数据；将标准化问题数据输入第一语言模型进行意图分类和实体识别，输出查询意图及结构化查询中间表示，所述查询意图包括数值查询、存在性查询、路径查询、聚合查询和比较查询中的至少一种；根据查询意图和查询中间表示动态构建sparql查询语句，提交至cad工程知识图谱执行查询；若查询结果非空，则将查询结果输入第二语言模型进行自然语言推理，生成自然语言答案文本，并绑定知识来源标识与推理链后输出，由此能够提高工程检索问答的准确性和效率。