面向金矿选冶文献的工艺参数提取与语义校验方法、系统与流程

本发明涉及金矿选冶文献信息处理，具体涉及一种面向金矿选冶文献的工艺参数提取与语义校验方法、系统，尤其涉及一种面向金矿选冶文献的多智能体协同工艺参数提取与语义校验方法、系统和设备。

背景技术：

1、金矿选冶试验研究论文、技术报告、实验记录及扫描转化文本中，通常同时记载了矿石类型、原矿金品位、硫含量、砷含量、主要矿物组成、磨矿细度、浮选药剂制度、焙烧条件、浸出条件、阶段回收率及总回收率等关键工艺参数。这些信息是开展工艺对比、流程分析、指标评价和知识库构建的重要基础，因此需要将其从文献中准确、统一且可追溯地提取为结构化数据。现有情况下，上述工艺参数大多分散记载于非结构化文献的正文、表格、实验结果描述及对比试验内容中，且参数名称、数值、单位、试验组和工艺阶段可能在版面上分离，现有抽取方式容易产生数值错配、试验组错配和工艺阶段错配等问题，人工提取工作量大、效率低，且难以适应大规模文献处理需求。因此，如何从金矿选冶文献中自动提取结构化工艺参数，已成为相关技术领域需要解决的技术问题之一。

2、目前，工艺参数提取的主流技术主要包括三类：一是面向金矿领域的知识图谱构建技术，这类方案侧重金矿选冶知识建模、知识融合和图谱存储，重点解决图谱构建本身的问题，但对非结构化金矿选冶文献中工艺参数的前端抽取缺少专门处理，难以在图谱形成之前保证参数来源、归属和层级的准确性；二是基于大语言模型的文献内容抽取技术，这类方案能够利用语义理解从文献中生成结构化内容，但多面向通用文本，缺少针对金矿选冶文献的领域化工艺参数模型，难以稳定处理多阶段工艺流程、工艺条件与实验结果归属、总回收率/阶段回收率/浸出率等结果层级关系，以及数字断裂、百分号分离、数值与单位错位等ocr异常；三是基于多agent协同的文本处理技术，这类方案虽然能够实现任务分工和流程编排，但多用于通用文本生成或处理场景，并未针对金矿选冶工艺参数抽取任务设置字段级语义校验、错误类型识别和定向纠错重试机制。但是，上述技术至少存在如下不足：现有金矿知识图谱构建技术偏重于图谱构建本身，对文献工艺参数前端抽取过程缺少专门技术方案；现有基于大语言模型的文献抽取技术缺少针对金矿选冶领域的参数结构模型，难以稳定处理多阶段工艺参数和矿业特有数值表达；现有多 agent 协同技术缺少面向选冶工艺参数抽取方案和对抽取结果的独立语义校验和纠错重试机制；现有技术难以有效解决总回收率、阶段回收率、工艺条件和工艺结果之间的归属混乱问题；现有技术难以同时建立工艺参数与原文证据、试验组、工艺阶段及结果层级之间的关联关系，也难以针对不同类型的抽取错误执行字段级纠错。

3、有鉴于此，亟需研发一种面向金矿选冶文献的多智能体协同与证据约束工艺参数提取及校验方法和系统，在保留原文证据和版面定位的基础上，对工艺参数执行证据存在性、工艺阶段归属、数值和单位、试验组关联及结果层级校验，并对校验不通过或存疑字段进行定向纠错与重抽取，从而提高复杂金矿选冶文献中工艺参数抽取的准确性、一致性和可追溯性。

技术实现思路

1、鉴于背景技术中存在的金矿选冶文献中工艺参数分散于正文、表格和图注，且数值、单位、试验组、工艺阶段及回收率层级容易错配的技术问题，本发明提供了一种面向金矿选冶文献的工艺参数提取与语义校验方法、系统。该方法对金矿选冶输入文献执行文本解析、版面解析、表格提取和ocr数值预处理，生成带有原文定位信息的文献内容单元；由工艺参数抽取智能体根据领域化工艺参数模型提取矿石性质、工艺条件、药剂制度、工艺结果及回收率等参数，并将参数与试验组、工艺阶段及原文证据进行关联；由语义校验智能体对所述关联结果执行证据存在性、工艺阶段归属、数值和单位、试验组关联以及结果层级校验；当校验结果不通过或存疑时，由纠错反馈模块生成字段级纠错指令，重试控制模块根据错误类型对对应字段进行定向重抽取；当校验通过后，输出带有原文证据定位信息的结构化工艺参数结果。

2、第一方面，本发明实施例提供了一种面向金矿选冶文献的工艺参数提取与语义校验方法，其包括如下步骤：

3、对获取的金矿选冶文献进行文本解析、版面解析和表格提取，然后对数据进行异常识别与候选修正，得到文献证据单元集合；其中，每个文献证据单元关联唯一证据标识以及由页码、版面定位、章节层级和表格行列信息组成的定位信息中的至少一种；

4、依据领域化工艺参数模型，通过工艺参数抽取智能体从所述文献证据单元中抽取工艺参数候选；所述领域化工艺参数模型规定每个工艺参数至少关联参数名称、参数数值、参数单位、试验组标识、工艺阶段标识、结果类型和证据标识；对于原文中未记载且不能由原文中的计算关系明确得到的数值，所述工艺参数抽取智能体不进行自动补全，并将对应字段标记为待校验状态；

5、采用独立于所述工艺参数抽取智能体的语义校验智能体对每条工艺参数候选的各字段分别执行字段级校验；所述字段级校验至少包括证据存在性校验、工艺阶段归属校验、数值与单位校验、试验组关联校验以及结果层级校验；每个字段输出通过、拒绝或存疑的校验状态；

6、针对校验状态为拒绝或存疑的字段，生成字段级纠错指令；所述字段级纠错指令至少包括待修正字段路径、当前字段值、错误类型以及证据定位信息；

7、根据所述字段级纠错指令中的错误类型选择对应的定向重抽取策略，调用所述工艺参数抽取智能体仅对校验状态为拒绝或存疑的字段执行定向重抽取，校验状态为通过的字段保持不变；将定向重抽取后的工艺参数候选重新输入所述语义校验智能体，重复执行字段级校验、字段级纠错指令生成和定向重抽取，直至相应字段通过校验或达到预设重试次数；

8、将通过校验的工艺参数与对应的证据标识及定位信息一并结构化输出。

9、作为本发明的进一步改进，所述领域化工艺参数模型包括：矿石性质参数，至少包括矿石类型、原矿品位、硫含量、砷含量和主要矿物组成；工艺条件参数，至少包括磨矿细度、浮选时间、药剂用量、焙烧温度、焙烧时间、浸出剂浓度、浸出温度和浸出时间；实验结果参数，至少包括精矿品位、尾矿品位、浸出渣品位、阶段回收率、总回收率和对照提升值。

10、作为本发明的进一步改进，所述错误类型至少包括证据缺失、工艺阶段归属冲突、数值或单位冲突、试验组关联冲突、结果层级冲突和多个候选值冲突；

11、所述定向重抽取策略与错误类型一一对应，包括：对于证据缺失错误，将抽取范围缩小至原句、表格单元格及相邻句子，并禁止生成原文中不存在的数值；对于工艺阶段归属冲突，将章节标题、表格标题和相邻工艺描述增加为抽取输入；对于数值或单位冲突，重新读取候选修正值并执行单位归一化；对于试验组关联冲突，检索具有相同试验编号、相同样品编号或相同表格行列位置的其他参数；对于结果层级冲突，检索同一试验组内的全部结果表述并重新确定结果类型。

12、作为本发明的进一步改进，所述结果层级校验包括：当原文限定词指示百分比变化时，判定对应数值为绝对回收率类结果；当原文限定词指示百分点变化时，判定对应数值为提升值；当原文表述限定于特定工艺阶段的输出物料时，判定对应数值为阶段结果而非总体结果；

13、所述试验组关联校验包括：根据试验编号、样品编号、表格行列关系和章节层级中的至少一种，判断工艺条件参数与实验结果参数是否属于同一试验组、相同样品组或明确关联的对照组，将不属于同一试验组的工艺条件参数与实验结果参数判定为校验拒绝。

14、作为本发明的进一步改进，所述结果类型包括阶段回收率、总回收率、对照回收率和提升值；其中，当原文表述为相对于对照基准提高或降低特定量级的回收率变化量时，将其结果类型确定为提升值，并将所述变化量记录为与绝对回收率的量纲相区别的提升量纲，而不换算为绝对回收率。

15、作为本发明的进一步改进，所述异常识别与候选修正包括：识别数字断裂、小数点与数值分离、百分号与数值分离、负号丢失、数值与单位分离以及表格相邻单元格数值错位中的至少一种异常；针对存在异常的数值生成一个或多个候选修正值，并保留修正前文本、修正规则、修正后文本和识别置信度，不以候选修正值覆盖原文文本。

16、作为本发明的进一步改进，所述结构化输出包括将工艺参数输出为json格式文件、关系型数据库记录、表格化数据或知识图谱节点及关系数据；输出的每条工艺参数还包括原始单位与规范化单位、校验状态、版本号和重试次数中的至少一种。

17、作为本发明的进一步改进，所述方法还包括：保存原始文献、文献证据单元、工艺参数候选、字段级校验结果、字段级纠错指令、修订前字段值、修订后字段值和重试次数；通过文献编号、证据标识、试验组标识和工艺阶段标识中的至少一种建立关联，使得任一输出的工艺参数能够回溯至原文页码、版面定位、章节、表格、试验组以及完整的校验与重试过程记录。

18、第二方面，本发明实施例提供了一种面向金矿选冶文献的工艺参数提取与语义校验系统，其用于执行上述面向金矿选冶文献的工艺参数提取与语义校验方法，包括：

19、文献预处理模块，用于对金矿选冶文献进行文本解析、版面解析和表格提取，对数据进行异常识别与候选修正，得到关联唯一证据标识及定位信息的文献证据单元集合；

20、工艺参数抽取智能体模块，用于依据领域化工艺参数模型从文献证据单元中抽取工艺参数候选；所述领域化工艺参数模型规定每个工艺参数至少关联参数名称、参数数值、参数单位、试验组标识、工艺阶段标识、结果类型和证据标识，所述结果类型至少区分阶段结果、总体结果、对照结果和提升结果；

21、语义校验智能体模块，独立于所述工艺参数抽取智能体模块，用于对每条工艺参数候选的各字段分别执行字段级校验，所述字段级校验至少包括证据存在性校验、工艺阶段归属校验、数值与单位校验、试验组关联校验以及结果层级校验，并输出每个字段的通过、拒绝或存疑的校验状态；

22、纠错反馈模块，用于针对校验状态为拒绝或存疑的字段生成至少包括待修正字段路径、当前字段值、错误类型和证据定位信息的字段级纠错指令；

23、重试控制模块，用于根据所述错误类型选择对应的定向重抽取策略，控制所述工艺参数抽取智能体模块仅对校验状态为拒绝或存疑的字段执行定向重抽取并保持已通过校验的字段不变，且在达到预设重试次数时将仍未通过校验的字段标记为人工复核状态；

24、结构化输出模块，用于将通过校验的工艺参数与对应的证据标识及定位信息一并结构化输出。

25、第三方面，本发明实施例提供了一种电子设备，其包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序包含上述系统且被所述处理器执行时实现上述方法。

26、有益效果：

27、本发明通过以下技术手段解决现有技术中金矿选冶文献工艺参数抽取准确性不足、参数归属错误和抽取结果难以复核的问题：

28、（1）通过对文献进行文本解析、版面解析和表格结构解析，将正文、标题、表格标题、表格行列、图注及 ocr 识别结果划分为带有文献编号、页码、版面定位和章节层级的证据单元，使抽取出的每个工艺参数均能够关联至对应的原文证据，从而解决现有技术中抽取结果缺少原文依据和无法定位复核的问题；

29、（2）通过建立包含矿石性质、工艺阶段、工艺条件、药剂制度、实验结果和文献元数据的领域化工艺参数模型，并将参数名称、数值、单位、试验组、工艺阶段、结果类型和证据标识进行关联，使分散于正文和表格中的工艺条件及实验结果能够按照统一的数据结构进行表示，从而降低不同文献之间参数结构不一致的问题；

30、（3）通过工艺参数抽取智能体执行术语识别、参数识别、上下文获取、结构化抽取和单位归一化，并通过语义校验智能体独立执行证据存在性、工艺阶段归属、数值和单位、试验组关联及结果层级校验，使参数抽取和结果校验由不同处理主体分别完成，从而降低单次模型抽取产生虚构参数、数值错误或参数归属错误的风险；

31、（4）通过将工艺参数与试验组标识、样品标识、表格行列信息和章节层级进行关联，能够将同一试验组中的工艺条件和实验结果进行绑定，并识别不同试验组之间的同名参数，从而降低多试验组文献中的参数错配问题；

32、（5）通过对阶段回收率、总回收率、对照回收率和提升值设置不同的结果类型，并依据原文中的限定词和上下文确定回收率层级，能够避免将“提高1.17个百分点”等提升值错误识别为绝对回收率，从而降低多阶段工艺文献中的结果层级混淆问题；

33、（6）通过纠错反馈模块输出包含错误字段路径、当前字段值、错误类型、原文证据、建议修正值和重抽取策略的字段级纠错指令，并由重试控制模块仅对校验失败或存疑的字段执行定向重抽取，使已经通过校验的字段保持不变，从而减少全量重抽取造成的结果漂移和重复错误；

34、（7）通过保存原始文献、证据单元、参数候选、校验结果、纠错指令、修订前后字段值及重试次数，使最终结构化参数能够回溯至原文页码、版面位置、试验组和处理过程，从而提高工艺参数提取结果的可追溯性、可复核性和异常处理能力。

35、综上，本发明的技术改进不在于单独使用多智能体或大语言模型，而在于将文献证据定位、领域化参数表示、试验组及工艺阶段关联、字段级语义校验和错误类型驱动的定向重抽取结合起来，形成面向金矿选冶文献的工艺参数提取与校验处理流程。

36、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。