一种技术标准双模态知识库构建方法、设备和程序产品与流程

摘要: 本发明属于知识图谱构建与推理,具体涉及一种技术标准双模态知识库构建方法、设备和程序产品。背景技术:1、随着工业互联网和数字化转型的深入发展,技术标准文档的数量呈...
一种技术标准双模态知识库构建方法、设备和程序产品与流程

本发明属于知识图谱构建与推理,具体涉及一种技术标准双模态知识库构建方法、设备和程序产品。

背景技术:

1、随着工业互联网和数字化转型的深入发展,技术标准文档的数量呈指数级增长,标准体系日趋复杂。技术标准作为工业生产和质量控制的依据,其知识的高效获取、精准理解和动态更新已成为制约智能制造发展的关键瓶颈,传统基于人工标注和关键词检索的标准管理方法已难以满足现代企业对标准知识自动化处理的需求,近年来,知识图谱与大语言模型技术的兴起为技术标准知识的智能化处理开辟了新的途径,两者在技术标准知识处理上具有天然的互补性,知识图谱提供严谨的结构化知识,大语言模型提供灵活的语义理解与交互能力。

2、然而,现有技术在融合知识图谱与大模型构建标准知识库时,仍存在以下显著缺陷:现有方案通常将知识图谱和自然语言文本作为两个独立的存储系统,两者之间缺乏统一的语义锚点进行关联,当大模型生成修正建议时,难以将自然语言描述的内容精确定位到知识图谱中对应的实体节点,导致修正操作定位准确率低、误操作风险高,大模型在持续交互过程中对知识库进行多次修正后,修正操作的累积效应可能导致知识的语义表示逐渐偏离原始本体的意义,现象称为语义漂移现象,缺乏对语义漂移的量化感知机制,无法追踪单次修正对知识语义空间的影响程度,也无法预警漂移累计超过可接受阈值的临界状态,当漂移严重时,知识库中不同节点的语义关系可能发生扭曲,导致推理结果不可靠。

技术实现思路

1、为解决由于对知识库进行多次修正操作后造成的语义漂移现象对推理结果的影响,本发明的目的在于提出了一种技术标准双模态知识库构建方法,通过双模态语义锚点实现精准修正定位与节点映射,量化修正对语义的冲击作为漂移值并动态累积,结合自适应阈值触发漂移回溯、邻域传播及语义同步更新,并支持跨版本修正点对齐与一致性合并,从而保障持续演化中的语义自洽与可靠性。

2、在本发明的第一方面,本发明提供了一种技术标准双模态知识库构建方法,包括:

3、获取技术标准文档的结构化解析结果,提取技术标准中的实体、实体属性和关联关系,对各实体进行唯一标识编码生成对应的实体标识,以实体为节点、关联关系为边构建知识图谱,并对知识图谱中的每个节点生成语义向量与自然语言向量;

4、将实体标识与语义向量、自然语言向量关联存储,形成双模态语义锚点映射库,将知识图谱与双模态语义锚点映射库关联存储,形成初始双模态知识库,在进行关联存储的过程中,如果判定双模态语义锚点映射库中的表示存在语义冲突时,触发对齐修正流程对知识图谱进行修正;

5、所述判定双模态语义锚点映射库中的表示存在语义冲突时,触发对齐修正流程对知识图谱进行修正,包括:

6、将实体标识、实体属性、关联关系、语义向量及自然语言向量输入大语言模型进行一致性校验,接收大模型输出的修正建议文本,提取修正建议中的问题描述、操作类型和修正内容,将问题描述与双模态语义锚点映射库进行匹配,确定待修正的目标节点,输出目标节点标识及匹配置信度;

7、根据修正建议文本对知识图谱上的目标节点执行修正操作,计算修正前后目标节点的相邻语义漂移量,添加至节点历史累积漂移值,当历史累积漂移值超过节点对应的动态阈值时触发本体自校正流程;

8、修正操作完成后,比较修正前后两个知识图谱版本中同一目标节点的语义向量,若语义向量差异小于预设阈值,则判定为同一修正点并进行合并,若语义向量差异大于阈值时,则标记为修正冲突,并输出冲突类型。

9、进一步地,所述获取技术标准文档的结构化解析结果,提取技术标准中的实体、实体属性和关联关系,以实体为节点、关系为边构建知识图谱,并对知识图谱中的每个实体节点生成语义向量与自然语言向量,包括:

10、获取技术标准文档,对文档进行版面分析和内容提取,识别标准文档中的实体,对识别出的实体采用通用唯一标识符生成方式生成实体标识;

11、提取实体、实体属性、关联关系,以实体作为节点,以关联关系作为边,构建技术标准知识图谱的基础骨架;

12、每个节点记录实体标识、实体类型、实体名称、来源条款编号,每条边记录关系类型、关系强度,属性以键值的形式存储,键为属性名称,值为属性字面量;

13、对于知识图谱中任意的节点,将与当前节点共用一条边的另一节点作为邻接节点,提取节点的实体类型和邻接节点的实体类型,生成语义向量;

14、对于每个节点,根据模板化描述生成、上下文摘要生成和对比描述生成,输出若干自然语言描述,将生成的多种自然语言描述进行融合,生成锚点描述文本,将锚点描述文本经过编码器转化后生成自然语言向量。

15、进一步地,实体的类型至少包括:标准编号、术语定义、技术指标、测试方法、适用范围、引用标准,对识别出的实体采用通用唯一标识符生成方式生成实体标识。

16、进一步地,所述将实体标识与语义向量、自然语言向量关联存储,形成双模态语义锚点映射库,将知识图谱与双模态语义锚点映射库关联存储,形成初始双模态知识库,包括:

17、将每个实体标识、语义向量、自然语言向量、锚点描述文本以及实体在知识图谱中的邻域子图快照进行关联存储,形成双模态语义锚点映射库;

18、以知识图谱中的各节点的实体标识作为唯一主键,将构建的知识图谱与生成的双模态语义锚点映射库的键值进行关联,对于知识图谱中的每个节点,在双模态语义锚点映射库中建立对应的记录,形成双向映射关系;

19、对每个节点,计算节点对应的自然语言向量与语义向量之间的余弦相似度,对关联后的数据进行一致性校验,当判定双模态语义锚点映射库中的表示存在语义冲突时,触发对齐修正流程对知识图谱进行修正;

20、将关联后的知识图谱与生成的双模态语义锚点映射库进行整合,构建支持多模态查询的统一索引,将构建完成的初始双模态知识库封装为标准化的知识服务,得到初始双模态知识库。

21、进一步地,所述将实体标识、实体属性、关联关系、语义向量及自然语言向量输入大语言模型进行一致性校验,接收大模型输出的修正建议文本,提取修正建议中的问题描述、操作类型和修正内容,包括:

22、从初始双模态知识库中提取实体标识与实体属性、关联关系、语义向量、自然语言向量,组装为实体片段输入大语言模型;

23、大语言模型基于输入的实体片段输出结构化处理后的修正建议文本,修正建议文本包含目标实体标识、问题类型、问题描述、建议操作类型及建议修正值;

24、接收大模型输出的修正建议文本,提取修正建议文本中的问题描述,从问题描述中提取用于定位目标实体的定位描述文本,从建议操作类型中识别修正操作类型,从建议修正值中提取变更内容。

25、进一步地,预定义操作类型包括属性更新、关系增删、实体合并、实体拆分、新增实体。

26、进一步地,所述将问题描述与双模态语义锚点映射库进行匹配,确定待修正的目标节点,输出目标节点标识及匹配置信度,包括:

27、将问题描述与双模态语义锚点映射库进行双路匹配,将问题描述与双模态语义锚点映射库进行语义相似度计算,得到第一匹配度;

28、将问题描述与双模态语义锚点映射库中预存储的语义向量计算相似度,得到第二匹配度;

29、将第一匹配度与第二匹配度结果加权融合,得到综合相似度,当综合相似度大于匹配阈值时,确定待修正的目标节点,并进行匹配置信度计算,输出目标节点标识及匹配置信度。

30、进一步地,所述根据修正建议文本对目标节点执行知识图谱修正操作,计算修正前后目标节点的相邻语义漂移量,并添加至节点历史累积漂移值,当历史累积漂移值超过目标节点对应的动态阈值时触发本体自校正流程,具体过程如下:

31、获取目标节点标识和修正建议文本,在知识图谱中保存目标节点、与目标节点直接关联的一跳节点及和一跳节点对应的边、以及与一跳节点直接关联的二跳节点及二跳节点对应的边;

32、基于修正建议文本对目标节点标识进行修正操作后,提取修正后目标节点两跳范围内的相邻实体节点和关系边,提取修正后目标节点邻近范围内的相邻实体节点和关系边,将修正前保存的邻近子图与修正后提取的邻近子图分别输入图嵌入编码器,输出修正前语义向量和修正后语义向量;

33、基于修正前语义向量和修正后语义向量计算本次修正的目标节点的相邻语义漂移量;

34、从初始双模态知识库中读取目标节点的历史累积漂移值,进行节点历史累积漂移值的更新;

35、进一步地,每个节点的漂移触发阈值不是固定值,而是根据节点类型、访问频率动态计算。

36、进一步地,所述当历史累积漂移值超过节点对应的动态阈值时触发本体自校正流程,包括:

37、对历史累积漂移值进行筛选,分析修正的操作类型和修正内容,判断漂移的主因;

38、将目标节点的漂移量按关系边的强度比例传播至邻域节点,更新邻域节点的累积漂移值;

39、根据更新后的邻域节点累积漂移值,重新生成目标节点的语义向量和自然语言锚点描述,更新双模态语义锚点映射库中对应的记录;

40、校正完成后,重置目标节点的累积漂移值,并记录为一次本体演化事件。

41、进一步地,所述修正操作完成后,比较修正前后两个知识图谱版本中同一目标节点的语义向量,若语义向量差异小于预设阈值,则判定为同一修正点并进行合并,若语义向量差异大于阈值时,则标记为修正冲突,包括:

42、从两个知识图谱中分别提取待合并的修正点,将属于同一目标节点的修正前状态和修正后状态归并为一条修正点记录,将修正前后的两个知识图谱版本的修正点按修正时间顺序分别排列,形成修正点序列;

43、对两个知识图谱中的每个修正点,进行结构化标识的快速预筛选,包括目标节点标识匹配、操作类型匹配、时间窗口匹配;

44、若匹配条件均不满足,初步判定为不同修正点,筛选后计算修正前后的修正点之间的语义指纹相似度;

45、若语义指纹相似度大于阈值,判定为同一修正点时执行自动合并,反之则判定为不同修正点时识别冲突类型,将识别出的冲突类型输出;

46、将合并的修正点写入最终版本的知识图谱,更新语义向量为合并后实际修正结果的嵌入向量,进行知识图谱版本合并。

47、根据本发明的第二方面,本发明还提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现前述的技术标准双模态知识库构建方法。

48、根据本发明的第三方面,本发明还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行如前述的技术标准双模态知识库构建方法。

49、本发明的有益效果:

50、本发明通过双模态语义锚点映射库构建,为每个实体节点同时生成结构化语义向量和自然语言锚点描述,构建统一的语义锚点映射库,通过定位层、操作类型层、修正内容层的三层解析结构,将大模型输出的自由文本修正建议转化为可执行的知识图谱操作指令,自然语言匹配与结构化语义向量匹配使修正定位准确率提高,实现自然语言修正指令到知识图谱节点的精准映射,通过结构语义信息准确定位,提高大模型输出语义歧义的定位精准度,通过计算修正前后邻域子图的语义向量变化量,将每次修正对知识语义的冲击量化为漂移值,并累加至节点历史累积漂移,使知识库能够主动感知修正操作对语义一致性的影响,实现知识修正累积效应的追踪,根据节点类型、访问频率、领域稳定性动态计算漂移触发阈值,当累积漂移超限时自动执行漂移源回溯、邻域一致性传播和语义锚点同步更新,使知识图谱在持续演化中保持语义自洽,实现本体自校正的智能触发与执行,基于相似度和操作类型一致性,自动判定两个版本中的同源修正点,使不同版本间的修正点可自动识别对应关系,达到对跨版本的修正点精准对齐目的,在合并后的一致性校验确保合并结果满足时序连续性,在提高效率的同时保留最终决策的可靠性。