建筑设计知识增强生成方法及设备与流程
本技术涉及人工智能,特别是涉及一种建筑设计知识增强生成方法及设备。
背景技术:
1、随着建筑设计数字化程度的提高,建筑设计过程中产生了大量设计任务书、方案说明、图纸说明、规范条文、构造做法、材料说明、设备说明、项目案例和结构化属性数据。这些资料不仅包含大量文本知识,也包含丰富的建筑对象、空间关系、构件关系、设计参数、规范依据和案例经验。
2、现有检索增强生成方法通常采用“用户查询—文本检索—大语言模型生成”的流程,能够在一定程度上实现建筑设计问答和资料辅助检索。
3、然而,由于该类方法主要依赖文本相似度,使得检索结果以孤立文本片段形式返回,无法表达建筑设计对象之间的结构化关系;也难以处理复杂建筑设计问题中的多跳关联,且通常将检索到的多个片段直接输入大语言模型,缺少对证据之间结构关系的组织,导致生成结果容易出现证据堆砌、逻辑不清或遗漏关键依据的问题;也缺少对实体、关系和来源片段的证据一致性检查,容易产生无依据事实、关系错误或超出证据范围的推断。
技术实现思路
1、本技术的目的在于提供一种建筑设计知识增强生成方法及设备,通过以知识图谱为知识组织基础、以图结构证据链为生成支撑,使建筑设计知识增强生成能够从单纯文本检索提升为结构化知识检索、图结构证据组织和证据一致性生成,以解决传统建筑设计检索增强生成中存在的检索结果孤立、证据组织松散、多跳推理能力不足和生成结果证据可追溯性差的问题。
2、为实现上述目的,本技术提供了如下方案:
3、第一方面,本技术提供了一种建筑设计知识增强生成方法,该方法包括:
4、根据建筑查询请求从建筑设计片段集合中识别与建筑查询内容相关的种子片段,得到种子片段集合,并确定各种子片段在构建的建筑设计知识图谱中的种子实体,得到种子实体集合;所述建筑设计片段集合中的各建筑设计片段是通过对搜集到的建筑设计数据集中的各建筑文档进行片段化及元信息增强处理后得到的;所述建筑设计知识图谱表示建筑设计实体、实体属性和实体间关系的关联关系;
5、以所述种子实体集合中的实体为起点,在所述建筑设计知识图谱中执行多跳图结构检索,形成候选证据子图;所述候选证据子图包括与所述建筑查询内容直接相关的实体、关系和来源片段,以及通过多跳扩展得到的间接相关的实体、关系和来源片段;
6、将所述候选证据子图转换为建筑语义加权图,并采用基于建筑语义约束的图聚类算法,得到多个语义内聚的候选证据模块;
7、基于设置的筛选规则,对所述候选证据模块进行筛选,得到核心证据模块;
8、将所述核心证据模块对应的模块化图结构证据链与所述建筑查询内容输入大语言模型,在证据约束条件下生成建筑设计知识增强生成结果,所述生成结果包括建筑设计答案、方案解释、构造建议、规范依据说明、案例分析结果和/或多维度设计建议。
9、可选地,本技术提供的建筑设计知识增强生成方法,生成建筑设计知识增强生成结果之后,所述方法还包括:
10、根据所述核心证据模块、所述建筑设计实体节点、关系边及来源片段,对所述建筑设计知识增强生成结果进行证据一致性检查。
11、可选地,本技术提供的建筑设计知识增强生成方法,
12、在根据建筑查询请求从建筑设计片段集合中识别与建筑查询内容相关的种子片段,得到种子片段集合之前,所述方法还包括:
13、获取建筑设计数据集,所述建筑设计数据集包括多个建筑文档;
14、对各建筑文档中的内容执行片段化处理和元信息增强,得到建筑设计片段集合;
15、从建筑设计片段集合中各建筑设计片段抽取建筑设计实体、实体属性和实体间关系;并建立建筑设计实体、实体属性及实体间关系与各建筑设计片段之间的来源映射,得到建筑设计知识图谱,并建立建筑设计知识图谱与建筑设计片段之间的关联映射,所述建筑设计实体至少包括建筑项目、建筑单体、楼层、空间、功能区、构件、材料、设备系统、结构体系、流线、设计参数、规范条文、构造做法、设计问题和项目案例中的一种或多种;所述实体间关系至少包括包含、位于、相邻、连接、服务、支撑、影响、适用、约束、冲突、比较、来源于和相似于中的一种或多种。
16、可选地,本技术提供的建筑设计知识增强生成方法,所述对各建筑文档中的内容执行片段化处理和元信息增强,得到建筑设计片段集合包括:
17、根据各建筑文档属性,将所述建筑设计数据集中的各建筑文档进行分类;
18、对各类建筑文档按照预设规则进行切分,得到文档片段;
19、根据各文档属性、来源及内容,为每个文档片段补充元信息,所述元信息包括来源文件、章节号、图号、专业类别、设计阶段、楼层、空间、构件、规范编号、页码或案例编号中的至少一种元信息;
20、将标注后的每个文档片段表示为五元组;所述五元组包括片段文本内容、元信息集合、片段关联的建筑设计对象集合、来源标识及片段类别。
21、可选地,本技术提供的建筑设计知识增强生成方法,所述从建筑设计片段集合中各建筑设计片段抽取建筑设计实体、实体属性和实体间关系;并建立建筑设计实体、实体属性及实体间关系与各建筑设计片段之间的来源映射,得到建筑设计知识图谱包括:
22、确定建筑设计实体类型及实体间关系;
23、基于确定的建筑设计实体类型及实体间关系,采用大语言模型、规则抽取模型、命名实体识别模型、关系抽取模型或其组合方式,从建筑设计片段中抽取实体、属性和关系三元组;
24、关联所述实体、属性和关系三元组,则实体、属性和关系三元组组织表示建筑设计知识图谱;所述建筑设计知识图谱包括实体节点集合、实体关系边集合、实体属性集合、实体或关系到原始片段的来源映射集合。
25、可选地,本技术提供的建筑设计知识增强生成方法,所述建立建筑设计知识图谱与片段化处理后得到的建筑设计片段之间的关联映射包括:
26、建立轻量级图谱索引层和重量级内容存储层,其中轻量级图谱索引层包括实体节点、关系边、实体属性、关系权重、来源片段指针和图结构索引,重量级内容存储层包括原始建筑设计片段全文及其上下文信息;
27、确定每一实体节点和关系边的来源片段编号、来源位置、来源文档、抽取方式和置信度;
28、建立同义词链接层,所述同义词表示建筑设计领域中语义相同或相近的实体名称;
29、计算候选同义实体的名称相似度、语义相似度和上下文相似度,且当名称相似度、语义相似度和上下文相似度中最小值大于等于相似度阈值时,将候选实体映射至统一实体节点。
30、可选地,本技术提供的建筑设计知识增强生成方法,所述根据建筑查询请求从建筑设计片段集合中识别与所述建筑查询内容相关的种子片段,得到种子片段集合,并确定所述种子片段集合中各种子片段在构建的建筑设计知识图谱中的种子实体,得到种子实体集合包括:
31、对所述建筑查询内容进行标准化处理,得到对应的建筑设计查询向量;
32、计算建筑设计查询向量与建筑设计片段向量之间的余弦相似度,选取余弦相似度满足相似度阈值区间的建筑设计片段,作为种子片段;
33、根据种子片段集合中的各实体的标注、建筑设计片段-实体映射关系和实体出现频次,确定种子实体,得到种子实体集合。
34、可选地,本技术提供的建筑设计知识增强生成方法,所述以所述种子实体集合为起点,在所述建筑设计知识图谱中执行多跳图结构检索,形成候选证据子图包括:
35、以种子实体集合为初始节点集合,利用设置的搜索算法,根据建筑查询请求的查询类型,在建筑设计知识图谱中进行多跳扩展,得到扩展图对应的各扩展路径;
36、计算扩展路径中各路径的相关性得分,及扩展图中各扩展路径中的各扩展节点的保留分数;
37、剔除保留分数低于预设阈值的扩展节点,以及相关性得分低于预设阈值的关系边,得到保留分数不低于预设阈值的扩展节点及扩展边;
38、过滤保留的扩展节点中的高频泛化节点、弱关联节点和来源不可信节点,得到候选证据子图,该候选证据子图包括与建筑查询内容直接相关的种子实体,及经知识图谱多跳扩展获得的间接相关的实体、设计参数、规范条文、构造做法、案例对象和来源片段。
39、可选地,本技术提供的建筑设计知识增强生成方法,所述将候选证据子图转换为建筑语义加权图,并采用基于建筑语义约束的图聚类算法,将候选证据子图划分为多个语义内聚的候选证据模块包括:
40、将候选证据子图转换为建筑语义加权图;
41、计算建筑语义加权图中每条关系边的建筑语义综合权重;
42、将建筑语义加权图中的每个节点初始化为独立社区,并以建筑语义综合权重作为社区发现过程中的边权重;
43、依次遍历节点,计算节点从当前社区移动至相邻社区后建筑语义模块度的增益;所述建筑语义模块度综合考虑社区内部边权重、社区外部边权重、节点类型一致性和关系类型一致性;当节点移动至某相邻社区能够产生最大正增益时,将该节点移动至对应社区;
44、在完成一轮节点局部移动后,对每个社区执行连通性检查,精炼不满足设置条件的社区;
45、将精炼后的每个社区聚合为超节点,构建压缩图,并在压缩图上重复执行节点局部移动、社区连通性精炼和社区聚合,直至建筑语义模块度增益小于预设阈值或达到最大迭代次数;则最终得到的社区作为候选证据模块,每个候选证据模块至少包含核心实体、关键关系、来源片段、模块内部路径和模块主题标签;
46、根据候选证据模块中权重最高的实体类型、关系类型和来源片段关键词生成模块主题标签,所述模块主题标签包括功能布局、空间关系、交通流线、构造做法、材料性能、规范依据、案例参考、设计参数或多专业关联中的一种或多种;
47、当候选证据模块内部平均边权重低于预设阈值、模块节点数量低于最小节点数、模块主题与查询意图不匹配,或模块内部存在高比例冲突关系时,将该候选证据模块降级或剔除;并输出候选证据模块集合,每个候选证据模块包括模块编号、核心节点集合、关键关系集合、来源片段集合、模块主题标签、模块内部边权重总和、模块外部连接权重和模块置信度。
48、可选地,本技术提供的建筑设计知识增强生成方法,所述基于设置的筛选规则,对所述候选证据模块进行筛选,得到核心证据模块包括:
49、计算每个候选证据模块的相关性得分、证据覆盖得分、关系一致性得分及来源可信度得分;
50、根据相关性得分、证据覆盖得分、关系一致性得分即来源可信度得分计算各候选证据模块的综合得分,且将综合得分不低于预设阈值的候选证据模块作为核心证据模块。
51、可选地,本技术提供的建筑设计知识增强生成方法,得到所述核心证据模块之后,且将所述核心证据模块对应的模块化图结构证据链与所述建筑查询内容输入大语言模型之前,还包括:
52、将每个核心证据模块转换为结构化证据单元,所述结构化证据单元包括模块编号、模块主题、核心实体、关键关系、来源片段、关系路径、模块得分和证据充分性状态;
53、根据建筑设计查询类型确定模块化图结构证据链的类型,其中,当查询类型为综合型建筑设计查询时,确定采用并联证据链;当查询类型为因果解释型查询时,确定采用串联证据链;当查询类型为同时包含多维度分析和局部因果解释的混合型查询时,确定采用混合证据链;
54、根据确定的证据链类型,将多个结构化证据单元组织为模块化图结构证据链,所述模块化图结构证据链包括并联证据链、串联证据链或混合证据链。
55、可选地,本技术提供的建筑设计知识增强生成方法,所述将所述核心证据模块对应的模块化图结构证据链与所述建筑查询内容输入大语言模型,在证据约束条件下生成建筑设计知识增强生成结果包括:
56、构建大语言模型输入,所述输入包括建筑查询内容、查询类型、核心证据模块、图结构证据链、来源片段摘要和生成约束要求;所述生成约束要求包括:仅基于输入证据链生成答案;对于每一事实陈述标注对应证据模块编号、实体节点、关系边或来源片段编号;当证据链未覆盖相关内容时,输出证据不足提示;不得引入证据链中未出现或无法推导的实体关系。
57、第二方面,本技术提供一种处理设备,所述处理设备包括:存储器、处理器以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计算机程序以实现如第一方面所述的建筑设计知识增强生成方法。
58、通过上述技术方案的实施,能够取得如下有益效果:
59、本技术提供的建筑设计知识增强生成方法及设备,通过将搜集的建筑设计数据集中的各建筑文档进行片段化处理和元信息增强处理,得到建筑设计片段集合,进而构建表示建筑设计实体、实体属性和实体间关系的关联关系、且具有可计算、可扩展、可聚类和可追溯的建筑设计知识图谱,使得在根据解析到的建筑查询内容进行建筑设计知识生成时,首先根据建筑查询请求从建筑设计片段集合中识别与建筑查询内容相关的种子片段,得到种子片段集合,进而确定该种子片段集合中各种子片段在构建的建筑设计知识图谱中的种子实体,得到种子实体集合,并以该种子实体集合中的实体为起点,在建筑设计知识图谱中执行多跳图结构检索,形成候选证据子图,进而利用建筑语义约束的加权图聚类算法将多跳扩展得到的候选证据子图转化为模块化图结构证据链,以表达建筑设计对象之间的结构化关系,也能够对证据之间结构关系进行有效组织,进而为大语言模型提供结构化、可追溯的生成依据,最后将经过筛选的核心证据模块对应的模块化图结构证据链与建筑查询内容输入大语言模型,在证据约束条件下生成建筑设计知识增强生成结果,即得到建筑设计答案、方案解释、构造建议、规范依据说明、案例分析结果和/或多维度设计建议等建筑设计增强知识。该方法相较于相关技术中仅依赖文本相似度检索的建筑设计问答方法,能够更有效地挖掘建筑设计问题中的多跳关联证据,减少证据堆砌和生成幻觉,提高建筑设计知识增强生成结果的准确性、解释性和可追溯性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com