CN117271779A - 大模型结合知识图谱的故障分析方法及相关设备 - Google Patents

Abstract

本申请公开了一种大模型结合知识图谱的故障分析方法及相关设备，涉及人工智能领域，该方法包括：获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词；将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；在预设的数据库中根据所述故障类型确定相应的解决方案。本申请能够避免主观因素的影响，从而提高故障类型查找及解决方案确定的准确率。

Description

大模型结合知识图谱的故障分析方法及相关设备

技术领域

本申请涉及人工智能领域，尤其涉及一种大模型结合知识图谱的故障分析方法及相关设备。

背景技术

在连续型行业中，设备故障是企业生产过程中常常遇到的情况，为确保生产工作的顺利展开，设备维修是企业必不可缺的一项工作，在展开维修过程前需要先对设备进行故障分析。

目前大部分企业采用传统的依赖于维修人员自身经验的故障分析方式，或者提供纸质文件及微信文档来协助维修人员进行故障分析。这种做法在故障分析过程中，由于维修人员的主观因素容易导致故障类型查找及解决方案确定的准确率低的问题。

发明内容

本申请的主要目的在于提供一种大模型结合知识图谱的故障分析方法及相关设备，旨在解决设备故障时由于维修人员的主观因素导致故障类型查找及解决方案确定的准确率低的问题。

为实现上述目的，本申请提供一种大模型结合知识图谱的故障分析方法，所述大模型结合知识图谱的故障分析方法包括以下步骤：

获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词；

将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；

在预设的数据库中根据所述故障类型确定相应的解决方案。

可选地，所述获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词的步骤之前，包括：

从用户预先输入的数据中提取多个实体；

根据所述实体之间的关联情况，建立不同实体之间的关系；

根据所述实体和所述实体之间的关系，构建三元组；

将所述三元组中的实体作为节点，将所述实体之间的关系作为边，构建所述知识图谱。

可选地，所述从用户预先输入的数据中提取多个实体的步骤之前，包括：

获取用户输入的结构化数据与非结构化数据，所述结构化数据包括以预定义结构或模型记录的工作流数据和表单数据，所述工作流数据包括记录的维修流程，所述表单数据包括通过键值对记录的维修数据，所述非结构化数据包括图片和文档；

将所述结构化数据与非结构化数据存储至系统数据库中。

可选地，所述将所述三元组中的实体作为节点，将所述实体之间的关系作为边，构建所述知识图谱的步骤之后，包括：

将所述实体与关系存储至图数据库中；

通过所述图数据库展示所述知识图谱，以完成知识的关联关系展示。

可选地，所述获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词的步骤之前，还包括：

预设多个关于故障情况的引导式问题及提示信息，所述问题包括有关故障设备、故障现象的问题，所述提示信息包括常见的故障现象；

通过所述引导式问题及提示信息引导用户对故障情况进行阐述，以获取用户输入的故障情况。

可选地，所述在预设的数据库中根据所述故障类型确定相应的解决方案的步骤之后，包括：

引导用户判断所述第二实体对应的故障类型与实际的故障类型是否相同；

当所述第二实体对应的故障类型与实际的故障类型不同时，引导用户输入实际的故障类型，并由大模型提取所述实际的故障类型的关键词作为目标实体；

根据所述第一实体、目标实体以及两者之间的关系构建目标三元组；

如果所述目标三元组与知识图谱存在多个指称对应同一实体对象的情况，将所述目标三元组与知识图谱进行知识融合；

如果所述目标三元组与知识图谱不存在多个指称对应同一实体对象的情况，将所述目标三元组嵌入到所述知识图谱中。

可选地，所述在预设的数据库中根据所述故障类型确定相应的解决方案的步骤之后，包括：

引导用户判断所述故障类型对应的解决方案与实际解决方案是否相同；

当所述故障类型对应的解决方案与实际解决方案不同时，引导用户答复实际的解决方案，并将所述用户答复的实际解决方案存储至数据库中。

此外，为实现上述目的，本申请还提供一种大模型结合知识图谱的故障分析装置，所述大模型结合知识图谱的故障分析装置包括：

关键词提取模块，用于获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词；

故障类型分析模块，用于将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；

解决方案确定模块，用于在预设的数据库中根据所述故障类型确定相应的解决方案。

此外，为实现上述目的，本申请还提供一种设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大模型结合知识图谱的故障分析程序，所述大模型结合知识图谱的故障分析程序配置为实现所述大模型结合知识图谱的故障分析方法的步骤。

此外，为实现上述目的，本申请还提供一种存储介质，所述存储介质上存储有大模型结合知识图谱的故障分析程序，所述大模型结合知识图谱的故障分析程序被处理器执行时实现所述大模型结合知识图谱的故障分析方法的步骤。

本申请首先获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词，通过关键词有效提炼故障情况中的关键信息；再将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；最后在预设的数据库中根据所述故障类型确定相应的解决方案，以供维修人员进行故障处理，所述查找过程及确定过程通过预设的大模型结合知识图谱的故障分析设备完成，避免了人工查找过程中主观因素的影响，提高了故障类型查找及解决方案确定的准确率。

附图说明

图1为本申请大模型结合知识图谱的故障分析方法第一实施例的第一流程示意图；

图2为本申请大模型结合知识图谱的故障分析方法第一实施例的第一场景示意图；

图3为本申请大模型结合知识图谱的故障分析方法第一实施例的逻辑架构图；

图4为本申请大模型结合知识图谱的故障分析方法第二实施例的第二流程示意图；

图5为本申请大模型结合知识图谱的故障分析方法第二实施例的第二场景示意图；

图6为本申请大模型结合知识图谱的故障分析方法第三实施例的第三流程示意图；

图7为本申请大模型结合知识图谱的故障分析方法第三实施例的第三场景示意图；

图8为本申请大模型结合知识图谱的故障分析装置的结构框图；

图9为本申请实施例方案涉及的硬件运行环境的结构示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本申请大模型结合知识图谱的故障分析方法第一实施例的流程示意图。

在第一实施例中，所述大模型结合知识图谱的故障分析方法包括以下步骤：

步骤S10，获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词；

需要说明的是，本实施例的方法的执行主体为大模型结合知识图谱的故障分析装置，所述大模型结合知识图谱的故障分析装置可以是从属于大模型结合知识图谱的故障分析设备，所述大模型结合知识图谱的故障分析设备可以是移动终端或电脑，所述大模型结合知识图谱的故障分析装置可以是所述移动终端或电脑上的应用程序或者网页，本申请不进行具体的限制。

可以理解的是，由移动终端或电脑上的大模型结合知识图谱的故障分析装置获取所述用户输入的故障情况，所述大模型结合知识图谱的故障分析装置通过可视化界面呈现用户预先设置的有关故障情况的引导式问题以及提示信息，所述引导式问题包括有关故障设备和故障现象的问题，所述故障现象为故障的表现形式，一般是指产品所发生的、能被观察或测量到的故障现象，所述提示信息包括常见的故障现象；所述大模型为大型语言模型，是一种深度学习模型，它通过对大量文本数据进行训练，来学习自然语言的语法和语义规律，从而实现关键词的提取与分类。

在具体实现中，所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框引导用户输入针对相应的引导式问题的多轮回复，所述可视化界面中的对话框支持用户语音输入答复，并通过所述大模型结合知识图谱的故障分析装置中的语音转文字模块将所述用户语音输入的答复转换为文字；所述大模型结合知识图谱的故障分析装置中的大模型从所述用户输入的多轮回复中提取一个或多个词（所述词为最小的能够独立运用的语言单位），再对各个词进行分类，选取有关故障现象的词作为所述有关故障现象的关键词。

例如，如图2所示，大模型结合知识图谱的故障分析装置通过可视化界面呈现问题“请问您发现了什么问题”及“详情描述”，所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框引导用户输入“设备出现振动异常，与异响”与“异响断断续续，在生产的时候才会发生，其余比较安静但也会有滋滋的声音”两项故障情况，接着通过所述大模型结合知识图谱的故障分析装置中的大模型提取“设备”、“振动”及“异响”等多个词，并对上述各个词进行分类，选取有关故障现象的词为“异响”，并将所述“异响”作为有关故障现象的关键词。

步骤S20，将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；

需要说明的是，由所述大模型结合知识图谱的故障分析装置在预设的知识图谱中查找与所述第一实体相邻的第二实体，所述知识图谱也称为知识域可视化或知识领域映射地图，是显示知识结构关系的一系列用可视化技术描述知识及它们之间的相互联系的图形，所述大模型结合知识图谱的故障分析装置中包括用于构建和存储所述知识图谱的图数据库，所述大模型结合知识图谱的故障分析装置中的图数据库根据用户预先录入的数据构建所述知识图谱，所述知识图谱中包括多个节点以及连接各个节点的边，所述节点对应不同实体，所述边对应不同实体之间的关联关系；由所述大模型结合知识图谱的故障分析装置根据所述第二实体确定故障类型，所述实体是根据领域词典或词表来进行规范的有关故障现象及故障类型的关键词，所述第二实体即为有关故障类型的关键词。

可以理解的是，由所述大模型结合知识图谱的故障分析装置在预设的知识图谱中查找与所述第一实体相邻的第二实体，即为由所述大模型结合知识图谱的故障分析装置将所述第一实体在知识图谱中对应的节点作为第一节点，并查找与所述第一节点通过同一条边相连接的第二节点，所述第二节点对应的实体即为第二实体；所述根据所述第二实体确定故障类型，即所述大模型结合知识图谱的故障分析装置根据所述第二实体确定与其对应的有关故障类型的关键词，并在数据库中确定与所述有关故障类型的关键词对应的故障类型，所述数据库中包括用户预先录入的有关故障类型的关键词以及与所述有关故障类型的关键词对应的故障类型。

例如，当有关故障现象的关键词为“异响”时，所述大模型结合知识图谱的故障分析装置将“异响”作为第一实体在所述知识图谱中查找与其相邻的第二实体，并确定与所述第二实体对应的有关故障类型的关键词（“轴承磨损”和“电流异常”），根据所述有关故障类型的关键词在数据库中确定对应的故障类型（“异响是由于电机发生了故障，轴承出现磨损”和“异响是由于电流异常”）。

步骤S30，在预设的数据库中根据所述故障类型确定相应的解决方案。

需要说明的是，由所述大模型结合知识图谱的故障分析装置在所述预设的数据库中根据所述故障类型确定相应的解决方案，所述预设的数据库中包括用户预先录入的故障类型以及所述故障类型对应的解决方案，所述故障类型能够在预设的数据库中确定一个或多个解决方案。

此外，所述大模型结合知识图谱的故障分析装置可以通过可视化界面中的对话框引导用户输入故障设备的名称，所述大模型结合知识图谱的故障分析装置的数据库中包括用户预先录入的故障设备的名称以及所述故障设备的名称对应的多个解决方案，当所述故障类型在预设的数据库中确定到多个解决方案时，由所述大模型结合知识图谱的故障分析装置根据所述用户输入故障设备的名称对应的多个解决方案对所述故障类型在预设的数据库中确定的多个解决方案进行筛选，选择所述用户输入故障设备的名称对应的多个解决方案以及所述故障类型在预设的数据库中确定的多个解决方案中相同的解决方案作为最终解决方案。

例如，所述故障类型为“异响是由于电机发生了故障，轴承出现磨损”和“异响是由于电流异常”，所述大模型结合知识图谱的故障分析装置根据所述故障类型确定到“请添加润滑油，并且润滑油需要逐步添加”、“请关闭电机，对油泵进行清洗，并用滤网过滤润滑油”及“请对当前电机停机4小时”三项解决方案，再由所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框引导用户输入故障设备的名称“AE86”，再根据所述用户输入的故障设备的名称对所述故障类型在预设的数据库中确定的多个解决方案进行筛选，所述用户输入的故障设备的名称对应的多个解决方案中不包括“请关闭电机，对油泵进行清洗，并用滤网过滤润滑油”，因此由所述大模型结合知识图谱的故障分析装置筛选后得到“请添加润滑油，并且润滑油需要逐步添加”及“请对当前电机停机4小时”两项解决方案作为最终解决方案。

在本实施例中，参照图3，首先获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词，以快速提炼有关故障的关键信息；再将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系，此过程由所述大模型结合知识图谱的故障分析系统完成，避免了人工查找过程中主观因素导致故障类型查找错误的问题，提高了故障类型查找的准确率；最后在预设的数据库中根据所述故障类型确定相应的解决方案，此过程也由所述大模型结合知识图谱的故障分析系统完成，避免了人工查找过程中主观因素导致解决方案确定错误的问题，提高了解决方案确定的准确率。

如图4所示，基于第一实施例提出本申请大模型结合知识图谱的故障分析方法第二实施例，本实施例中，所述S10的步骤之前，所述方法还包括以下步骤：

步骤S01，从用户预先输入的数据中提取多个实体；

需要说明的是，由所述大模型结合知识图谱的故障分析装置中的大模型从用户预先输入的数据中提取多个实体，所述用户预先输入的数据包括结构化数据与非结构化数据，所述结构化数据包括以预定义结构或模型记录的工作流数据和表单数据，所述工作流数据和表单数据是对维修进度进行跟踪所得到的数据，所述工作流数据包括记录的维修流程（如流程的审核与流转），所述表单数据包括通过键值对记录的维修数据（即以“key：value”的形式保存，一个字段对应不同的值），所述非结构化数据包括图片（如设备出厂时携带的说明书的照片）和文档（如故障代码相关的文档），所述用户预先输入的结构化数据与非结构化数据存储在数据库中，所述多个实体包括两种类型的实体（即有关故障现象的关键词与有关故障类型的关键词）。

可以理解的是，所述大模型结合知识图谱的故障分析装置提取多个实体主要是根据prompt从所述结构化数据与非结构化数据中提取三元组，所述prompt提供三元组规则及三元组的数据样例（如“请从句子中提取可能的实体，例如设备名称、有关故障现象的关键词或有关故障类型的关键词，并按照格式【实体类型, 实体内容】回答”）。

例如，所述用户预先输入的数据为“异响是因为轴承磨损”，则由所述大模型结合知识图谱的故障分析装置中的大模型提取“异响”和“轴承磨损”两个实体，并按照格式【有关故障现象的关键词，异响】以及【有关故障类型的关键词，轴承磨损】 进行回答。

此外，所述大模型结合知识图谱的故障分析装置可以通过可视化界面呈现用户预先设置有关故障设备和故障部位的问题，再通过所述可视化界面中的对话框引导用户输入针对所述有关故障设备和故障部位的问题的回复，并根据所述用户输入的回复从数据库中查找所述故障设备和故障部位对应的说明书的照片并将其通过可视化界面呈现，所述数据库中包括用户预先输入的故障设备和故障部位对应的说明书的照片。

步骤S02，根据所述实体之间的关联情况，建立不同实体之间的关系；

需要说明的是，由所述大模型结合知识图谱的故障分析装置根据所述实体之间的关联情况，建立不同实体之间的关系，所述不同实体之间的关系包括因果关系。

例如，所述有关故障现象的关键词为“异响”，其相关的有关故障类型的关键词包括“轴承磨损”和“电流异常”，则由所述大模型结合知识图谱的故障分析装置建立“异响”与“轴承磨损”之间的关系，以及“异响”与“电流异常”之间的关系。

步骤S03，根据所述实体和所述实体之间的关系，构建三元组；

需要说明的是，由所述大模型结合知识图谱的故障分析装置根据所述实体和所述实体之间的关系，构建三元组，所述三元组包括两个实体以及两个实体之间的关系，所述实体包括有关故障现象的关键词与有关故障类型的关键词，所述关系包括因果关系。

例如，所述两个实体为“异响”和“轴承磨损”，所述两个实体之间的关联关系为“因果关系”，则由所述大模型结合知识图谱的故障分析装置以“异响”、“轴承磨损”以及“因果关系”构建一个三元组。

步骤S04，将所述三元组中的实体作为节点，将所述实体之间的关系作为边，构建所述知识图谱。

需要说明的是，由所述大模型结合知识图谱的故障分析装置中的图数据库构建所述知识图谱，所述不同节点均通过所述边相连接，所述边均与两个不同的节点相连接，所述大模型结合知识图谱的故障分析装置中的图数据库用于存储所述实体与关系以及展示所述知识图谱，以完成知识的关联关系展示；在本实施例中，所述大模型结合知识图谱的故障分析装置中的图数据库为图数据库neo4j，所述存储方式为所述大模型结合知识图谱的故障分析装置通过映射将所述实体与关系嵌入到对应的CQL语法中。

可以理解的是，在构建知识图谱时，由所述大模型结合知识图谱的故障分析装置中的图数据库将不同三元组中的相同实体合并成同一个实体，例如，参照图5，第一个三元组包括“异响”及“轴承磨损”两个实体，第二个三元组包括“异响”及“电流异常”两个实体，则由所述大模型结合知识图谱的故障分析装置中的图数据库将将上述两组中的“异响”进行合并，并将合并后的“异响”作为一个节点，所述节点分别通过两条边同时与“轴承磨损”及“电流异常”所对应的节点相连接。

在本实施例中，首先从用户预先输入的数据中提取多个实体，以对所述用户输入的数据进行关键信息的提取，从而快速获取历史的维修经验；再根据所述实体之间的关联情况，建立不同实体之间的关系；根据所述实体和所述实体之间的关系，构建三元组，以将具有关联关系的实体进行整合；最后将所述三元组中的实体作为节点，将所述实体之间的关系作为边，构建所述知识图谱，从而将具有关联关系的实体在知识图谱中相连接，以便快速查找与第一实体相关联的第二实体，提高了故障类型查找的效率，同时实现知识的关联关系展示。

如图6所示，基于第一实施例提出本申请大模型结合知识图谱的故障分析方法第三实施例，本实施例中，所述S30的步骤之后，所述方法还包括以下步骤：

步骤S31，引导用户判断所述第二实体对应的故障类型与实际的故障类型是否相同；

需要说明的是，所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框引导用户判断所述第二实体对应的故障类型与实际的故障类型是否相同，所述大模型结合知识图谱的故障分析装置通过可视化界面呈现用户预先设置的关于故障是否解决的问题。

可以理解的是，所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框引导用户判断所述第二实体对应的故障类型与实际的故障类型是否相同的同时，引导用户判断所述由所述大模型结合知识图谱的故障分析装置确定的解决方案与实际解决方案是否相同。

例如，如图7所示，所述大模型结合知识图谱的故障分析装置通过可视化界面呈现问题“请问问题解决了吗”，所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框引导用户选择“已解决”或“未解决”选项。

步骤S32，当所述第二实体对应的故障类型与实际的故障类型不同时，引导用户输入实际的故障类型，并由大模型提取所述实际的故障类型的关键词作为目标实体；

需要说明的是，当所述第二实体对应的故障类型与实际的故障类型不同，或由所述大模型结合知识图谱的故障分析装置确定的解决方案与实际解决方案不同时，即所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框接收到用户选择“未解决”选项，由所述大模型结合知识图谱的故障分析装置通过可视化界面呈现用户预先设置的关于故障实际故障类型和实际解决方案的问题，所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框引导用户输入实际故障类型或实际解决方案，当接收到所述用户输入的实际故障类型时，由所述大模型结合知识图谱的故障分析装置中的大模型从所述用户输入的实际故障类型中提取一个或多个词，接着对各个词进行分类，得到有关故障类型的词并将其作为实际的故障类型的关键词，当接收到所述用户输入的实际解决方案时，由所述大模型结合知识图谱的故障分析装置将所述实际解决方案存储至数据库中。

例如，如图7所示，当所述大模型结合知识图谱的故障分析装置通过可视化界面中的对话框接收到用户选择“未解决”选项时，所述大模型结合知识图谱的故障分析装置通过可视化界面呈现问题“请问实际故障类型是什么”以及“请描述实际解决方案”，再通过可视化界面中的对话框引导用户输入实际故障类型（如“初步判断不是润滑油的问题，是油泵引起的，因为油泵漏油，导致压力不够，让设备的运转过大，导致异响发生”），接着通过所述大模型结合知识图谱的故障分析装置中的大模型提取有关故障类型的词作为目标实体（如“油泵漏油”）；或者通过可视化界面中的对话框引导用户输入实际解决方案（如“通过对油泵添加了润滑油，并且降低他的负载，首先需要关闭电机，对油泵进行简单的清洗，同时用滤网把油机进行过滤”），接着通过所述大模型结合知识图谱的故障分析装置将所述用户输入的实际解决方案存储至数据库。

步骤S33，根据所述第一实体、目标实体以及两者之间的关系构建目标三元组；

需要说明的是，由所述大模型结合知识图谱的故障分析装置根据所述第一实体、目标实体以及两者之间的关系构建目标三元组。

可以理解的是，所述目标实体不包含在已有的知识图谱中。

步骤S34，如果所述目标三元组与知识图谱存在多个指称对应同一实体对象的情况，将所述目标三元组与知识图谱进行知识融合；

需要说明的是，由所述大模型结合知识图谱的故障分析装置将所述目标三元组与所述知识图谱进行知识融合，所述知识融合是将来自多个来源的关于同一个实体或概念的描述信息融合起来，以消除矛盾和歧义，在本实施例中，所述将所述目标三元组与知识图谱进行知识融合解决多个指称对应同一实体对象的问题，由所述大模型结合知识图谱的故障分析装置通过相似度计算进行知识融合，所述相似度计算的方法包括聚合、聚类和表示学习。

例如，由所述大模型结合知识图谱的故障分析装置通过聚合进行知识融合，所述聚合为加权平均方法，即由所述大模型结合知识图谱的故障分析装置对相似度得分向量的各个分量进行加权求和，以得到最终的实体相似度，并给每一个相似度向量的分量设置一个阈值，当超过该阈值时将两实体合并。

步骤S35，如果所述目标三元组与知识图谱不存在多个指称对应同一实体对象的情况，将所述目标三元组嵌入到所述知识图谱中。

需要说明的是，由所述大模型结合知识图谱的故障分析装置中的图数据库将所述目标三元组嵌入到所述知识图谱中，所述指称是指名词或代词和用他们来命名的具体对象，在本实施例中，所述大模型结合知识图谱的故障分析装置中的图数据库neo4j通过映射将实体和关系嵌入到对应的CQL语法中。

此外，所述大模型结合知识图谱的故障分析装置中的图数据库将所述目标三元组嵌入到所述知识图谱中之后，可以由所述大模型结合知识图谱的故障分析装置中的大模型对知识图谱中的异常实体进行清理，对错误或冗杂的实体进行过滤，或者通过可视化界面引导用户对知识图谱中的异常实体进行清理，所述大模型结合知识图谱的故障分析装置通过可视化界面呈现所述知识图谱中的实体，以供用户选择需要清理的异常实体，以得到更干净的实体。

在本实施例中，首先引导用户判断所述第二实体对应的故障类型与实际的故障类型是否相同；当所述第二实体对应的故障类型与实际的故障类型不同时，引导用户输入实际的故障类型，并由大模型提取所述实际的故障类型的关键词作为目标实体；根据所述第一实体、目标实体以及两者之间的关系构建目标三元组；如果所述目标三元组与知识图谱存在多个指称对应同一实体对象的情况，将所述目标三元组与知识图谱进行知识融合；如果所述目标三元组与知识图谱不存在多个指称对应同一实体对象的情况，将所述目标三元组嵌入到所述知识图谱中，以更新所述知识图谱，补全故障信息，进而再次提高故障类型查找的准确率；同时引导用户判断所述故障类型对应的解决方案与实际解决方案是否相同；当所述故障类型对应的解决方案与实际解决方案不同时，引导用户答复实际的解决方案，并将所述用户答复的实际解决方案存储至数据库中，以补全故障相关的解决方案，进而再次提高解决方案确定的准确率。

此外，本申请实施例还提出一种大模型结合知识图谱的故障分析装置，参照图8，所述大模型结合知识图谱的故障分析装置包括：

关键词提取模块10，用于获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词；

故障类型分析模块20，用于将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；

解决方案确定模块30，用于在预设的数据库中根据所述故障类型确定相应的解决方案。

可选地，所述大模型结合知识图谱的故障分析装置，还包括：

实体提取模块，用于从用户预先输入的数据中提取多个实体；

关系建立模块，用于根据所述实体之间的关联情况，建立不同实体之间的关系；

三元组构建模块，用于根据所述实体和所述实体之间的关系，构建三元组；

知识图谱构建模块，用于将所述三元组中的实体作为节点，将所述实体之间的关系作为边，构建所述知识图谱。

可选地，所述大模型结合知识图谱的故障分析装置，还包括：

数据获取模块，用于获取用户输入的结构化数据与非结构化数据，所述结构化数据包括以预定义结构或模型记录的工作流数据和表单数据，所述工作流数据包括记录的维修流程，所述表单数据包括通过键值对记录的维修数据，所述非结构化数据包括图片和文档；

数据存储模块，用于将所述结构化数据与非结构化数据存储至系统数据库中。

可选地，所述大模型结合知识图谱的故障分析装置，还包括：

实体与关系存储模块，用于将所述实体与关系存储至图数据库中；

知识图谱展示模块，用于通过所述图数据库展示所述知识图谱，以完成知识的关联关系展示。

可选地，所述大模型结合知识图谱的故障分析装置，还包括：

引导式问题预设模块，用于预设多个关于故障情况的引导式问题及提示信息，所述问题包括有关故障设备、故障现象的问题，所述提示信息包括常见的故障现象；

故障情况获取模块，用于通过所述引导式问题及提示信息引导用户对故障情况进行阐述，以获取用户输入的故障情况。

可选地，所述大模型结合知识图谱的故障分析装置，还包括：

实际故障类型判断模块，用于引导用户判断所述第二实体对应的故障类型与实际的故障类型是否相同；

实际故障类型获取模块，用于当所述第二实体对应的故障类型与实际的故障类型不同时，引导用户输入实际的故障类型，并由大模型提取所述实际的故障类型的关键词作为目标实体；

目标三元组构建模块，用于根据所述第一实体、目标实体以及两者之间的关系构建目标三元组；

知识融合模块，用于如果所述目标三元组与知识图谱存在多个指称对应同一实体对象的情况，将所述目标三元组与知识图谱进行知识融合；

目标三元组嵌入模块，用于如果所述目标三元组与知识图谱不存在多个指称对应同一实体对象的情况，将所述目标三元组嵌入到所述知识图谱中。

可选地，所述大模型结合知识图谱的故障分析装置，还包括：

实际解决方案判断模块，用于引导用户判断所述故障类型对应的解决方案与实际解决方案是否相同；

实际解决方案存储模块，用于当所述故障类型对应的解决方案与实际解决方案不同时，引导用户答复实际的解决方案，并将所述用户答复的实际解决方案存储至数据库中。

本实施例通过上述方案，获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词；将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；在预设的数据库中根据所述故障类型确定相应的解决方案；本申请通过所述大模型结合知识图谱的故障分析装置实现上述故障分析过程，避免了人工查找过程中主观因素的影响，提高了故障类型查找及解决方案确定的准确率。

本申请大模型结合知识图谱的故障分析装置的具体实施方式与上述大模型结合知识图谱的故障分析方法各实施例基本相同，在此不再赘述。

参照图9，图9为本申请实施例方案涉及的硬件运行环境的大模型结合知识图谱的故障分析设备结构示意图。

如图9所示，该大模型结合知识图谱的故障分析设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（Random Access Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-VolatileMemory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图9中示出的结构并不构成对大模型结合知识图谱的故障分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图9所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及大模型结合知识图谱的故障分析程序。

其中，操作系统是管理和控制大模型结合知识图谱的故障分析设备与软件资源的程序，支持网络通信模块、用户接口模块、大模型结合知识图谱的故障分析程序以及其他程序或软件的运行，网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。

在图9所示的大模型结合知识图谱的故障分析设备中，所述大模型结合知识图谱的故障分析设备通过处理器1001调用存储器1005中存储的大模型结合知识图谱的故障分析程序，实现上述任一项所述的大模型结合知识图谱的故障分析方法的步骤。

本申请大模型结合知识图谱的故障分析设备具体实施方式与上述大模型结合知识图谱的故障分析方法各实施例基本相同，在此不再赘述。

此外，本发明实施例还提出一种存储介质，且所述存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的大模型结合知识图谱的故障分析方法的步骤。

本申请存储介质具体实施方式与上述模型大模型结合知识图谱的故障分析各实施例基本相同，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种大模型结合知识图谱的故障分析方法，其特征在于，所述大模型结合知识图谱的故障分析方法包括以下步骤：

获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词；

将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；

在预设的数据库中根据所述故障类型确定相应的解决方案。

2.如权利要求1所述的大模型结合知识图谱的故障分析方法，其特征在于，所述获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词的步骤之前，包括：

从用户预先输入的数据中提取多个实体；

根据所述实体之间的关联情况，建立不同实体之间的关系；

根据所述实体和所述实体之间的关系，构建三元组；

将所述三元组中的实体作为节点，将所述实体之间的关系作为边，构建所述知识图谱。

3.如权利要求2所述的大模型结合知识图谱的故障分析方法，其特征在于，所述从用户预先输入的数据中提取多个实体的步骤之前，包括：

获取用户输入的结构化数据与非结构化数据，所述结构化数据包括以预定义结构或模型记录的工作流数据和表单数据，所述工作流数据包括记录的维修流程，所述表单数据包括通过键值对记录的维修数据，所述非结构化数据包括图片和文档；

将所述结构化数据与非结构化数据存储至系统数据库中。

4.如权利要求2所述的大模型结合知识图谱的故障分析方法，其特征在于，所述将所述三元组中的实体作为节点，将所述实体之间的关系作为边，构建所述知识图谱的步骤之后，包括：

将所述实体与关系存储至图数据库中；

通过所述图数据库展示所述知识图谱，以完成知识的关联关系展示。

5.如权利要求1~4任一项所述的大模型结合知识图谱的故障分析方法，其特征在于，所述获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词的步骤之前，还包括：

预设多个关于故障情况的引导式问题及提示信息，所述问题包括有关故障设备、故障现象的问题，所述提示信息包括常见的故障现象；

通过所述引导式问题及提示信息引导用户对故障情况进行阐述，以获取用户输入的故障情况。

6.如权利要求1~4任一项所述的大模型结合知识图谱的故障分析方法，其特征在于，所述在预设的数据库中根据所述故障类型确定相应的解决方案的步骤之后，包括：

引导用户判断所述第二实体对应的故障类型与实际的故障类型是否相同；

当所述第二实体对应的故障类型与实际的故障类型不同时，引导用户输入实际的故障类型，并由大模型提取所述实际的故障类型的关键词作为目标实体；

根据所述第一实体、目标实体以及两者之间的关系构建目标三元组；

如果所述目标三元组与知识图谱存在多个指称对应同一实体对象的情况，将所述目标三元组与知识图谱进行知识融合；

如果所述目标三元组与知识图谱不存在多个指称对应同一实体对象的情况，将所述目标三元组嵌入到所述知识图谱中。

7.如权利要求1~4任一项所述的大模型结合知识图谱的故障分析方法，其特征在于，所述在预设的数据库中根据所述故障类型确定相应的解决方案的步骤之后，包括：

引导用户判断所述故障类型对应的解决方案与实际解决方案是否相同；

当所述故障类型对应的解决方案与实际解决方案不同时，引导用户答复实际的解决方案，并将所述用户答复的实际解决方案存储至数据库中。

8.一种大模型结合知识图谱的故障分析装置，其特征在于，所述大模型结合知识图谱的故障分析装置包括：

关键词提取模块，用于获取用户输入的故障情况，通过大模型从所述故障情况中提取有关故障现象的关键词；

故障类型分析模块，用于将所述有关故障现象的关键词作为第一实体，在预设的知识图谱中查找与所述第一实体相邻的第二实体，并根据所述第二实体确定故障类型，所述知识图谱中包括实体和关系，所述实体包括故障相关信息，所述关系包括不同实体之间的关系；

解决方案确定模块，用于在预设的数据库中根据所述故障类型确定相应的解决方案。

9.一种大模型结合知识图谱的故障分析设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大模型结合知识图谱的故障分析程序，所述大模型结合知识图谱的故障分析程序配置为实现如权利要求1至7中任一项所述的大模型结合知识图谱的故障分析方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有大模型结合知识图谱的故障分析程序，所述大模型结合知识图谱的故障分析程序被处理器执行时实现如权利要求1至7中任一项所述的大模型结合知识图谱的故障分析方法的步骤。