CN117493575A - 基于人工智能的公路水运工程管理方法及电子设备 - Google Patents
基于人工智能的公路水运工程管理方法及电子设备 Download PDFInfo
- Publication number
- CN117493575A CN117493575A CN202311333726.2A CN202311333726A CN117493575A CN 117493575 A CN117493575 A CN 117493575A CN 202311333726 A CN202311333726 A CN 202311333726A CN 117493575 A CN117493575 A CN 117493575A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- engineering
- water transport
- language model
- transport engineering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 105
- 238000004642 transportation engineering Methods 0.000 title claims abstract description 68
- 238000007726 management method Methods 0.000 title claims abstract description 35
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000012800 visualization Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 18
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 9
- 230000004927 fusion Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本申请公开了一种基于人工智能的公路水运工程管理方法及电子设备,该方法包括:对已有的公路水运工程领域相关的数据进行采集和整理,形成公路水运工程领域对应的第一语料库;使用所述第一语料库对大语言模型进行训练,获得目标语言模型;基于第一语料库,结合公路水运工程领域的专业术语、规范名称以及文件的目录层级,采用目标语言模型来识别各个行业实体并进行复杂关系抽取,从而获取各个知识要点;基于各个知识要点,构建公路水运工程的工程知识图谱;通过可视化技术,向用户展示工程知识图谱,以便用户浏览和检索。本申请实现公路水运工程领域中,高效的知识构建,实现工程知识融合与应用,提高公路水运工程知识管理的效能。
Description
技术领域
本申请属于人工智能技术领域,特别涉及一种基于人工智能的公路水运工程管理方法及电子设备。
背景技术
随着我国公路水运工程信息技术的发展,公路水运工程领域中出现了越来越多的各个系统,这些系统在近些年来积累了海量的公路水运工程领域相关数据,这些数据大多都储存在各自的系统之中,没有被充分的利用起来。
出现了数据孤岛、数据碎片化等问题,造成公路水运工程信息系统繁多、结构多样、系统间数据割裂,无法有效地进行融合;并且,知识收集、知识整理加工的难度大,公路水运工程知识存在较强的专业壁垒,传统知识整理需要依靠大量的专家参与,成本高、难度大。
针对上述问题,提出本申请的基于人工智能的公路水运工程管理方法及电子设备。
发明内容
为了解决所述现有技术的不足,本申请提供了一种基于人工智能的公路水运工程管理方法及电子设备,解决现有的公路水运工程相关文件或数据的知识收集、知识整理加工的难度大,成本高,管理效率低的问题。
本申请所要达到的技术效果通过以下方案实现:
第一方面,本申请提供一种基于人工智能的公路水运工程管理方法,所述方法包括:
S1、对已有的公路水运工程领域相关的数据进行采集和整理,其中,所述已有的公路水运工程领域相关的数据包括:工程资料、规范标准、项目数据库,利用数据清洗和预处理技术对采集的数据进行清理、去重和格式化处理,形成所述公路水运工程领域对应的第一语料库;
S2、使用所述第一语料库对大语言模型进行训练,获得目标语言模型,其中,所述大语言模型是基于ChatGLM的且支持参数微调;
S3、基于所述公路水运工程领域对应的第一语料库,结合公路水运工程领域的专业术语、规范名称以及文件的目录层级,采用所述目标语言模型来识别各个行业实体并进行复杂关系抽取,从而从所述第一语料库中获取公路水运工程的各个知识要点;
S4、基于各个所述知识要点,构建所述公路水运工程的工程知识图谱;
S5、通过可视化技术,向用户展示所述工程知识图谱,以便用户浏览和检索所述工程知识图谱,其中,所述工程知识图谱的展示包括采用知识问答应用的方式展示,便于用户提出问题并获取与所述公路水运工程相关的答案。
在一些实施例中,所述大语言模型包括提示词工程子模块,其中所述提示词工程子模块用于提示与所述公路水运工程相关的目标意图,以便自动识别所述各个行业实体并进行复杂关系抽取,从而抽取出所述公路水运工程的各个知识要点。
在一些实施例中,所述使用所述第一语料库对大语言模型进行训练,获得目标语言模型,包括:
设定目标学习率;
基于所述目标学习率并结合所述第一语料库对所述大语言模型进行训练,当达到目标收敛值时,停止训练,获得目标语言模型。
在一些实施例中,所述工程知识图谱的展示包括采用知识问答应用的方式展示,包括:
将与各个所述行业实体相关的问答进行分类,将与每个行业实体相关联的问答按照关联度排序,展示前N条问答,其中N为正整数;
对于所述N条之后的其他的问答,则折叠显示为查看更多按钮。
在一些实施例中,所述采用所述目标语言模型来识别各个行业实体并进行复杂关系抽取之后,还包括:
对各个所述行业实体进行对齐并进行消歧;
并进行问答抽取。
在一些实施例中,在进行问答抽取之后还包括:
设置专家辅助校验模块,对抽取的各个所述问答,通过专家进行辅助校验,以保证问答的准确性。
在一些实施例中,提示词工程子模块用于提示与所述公路水运工程相关的目标意图,其中所述目标意图包括以下至少一项:
根据给定的表格内容还原成树型层级结构并输出,其中表格头包括序号、分部工程、分项工程;
根据给定的公路水运工程行业规划中的文件,生成选择题和简答题,并给出答案和解析。
在一些实施例中,采用图数据库存储所述工程知识图谱,其中图数据库包括:nebule_graph。
第二方面,本申请提供一种电子设备,所述电子设备包括: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计算机程序,所述处理器执行所述计算机程序时实现前述任意一项所述的方法。
第三方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现前述任一项所述的方法。
通过本申请实施例提供的基于人工智能的公路水运工程管理方法及电子设备,该方法基于大语言模型技术与知识图谱技术,实现公路水运工程领域中,高效的知识构建,实现工程知识融合与应用,提高公路水运工程知识管理的效能。
附图说明
为了更清楚地说明本申请实施例或现有的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例中的基于人工智能的公路水运工程管理方法的流程图;
图2为本申请一实施例中的电子设备的示意框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,除非另外定义,本申请一个或多个实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
目前,基于大语言模型技术、知识图谱技术已经引起了学术界和工业界的广泛关注。
传统的知识抽取、知识生成技术包括基于规则、基于统计、基于机器学习等方法。大语言模型技术在语言理解和生成方面,有了飞跃式的提升。知识图谱技术则可作为异构知识融合、知识应用展现的有效途径。
本申请采用的方法主要包括大语言模型提示词工程、公路水运工程领域大语言模型微调、知识构建、知识融合、知识应用展现等。
本申请主要涉及人工智能技术在公路水运工程知识管理的应用技术方案,通过研究大语言模型技术、知识图谱技术在公路水运知识工程管理中的应用,提高公路水运工程知识管理的质量与效率。
具体技术包括基于大语言模型技术的水运工程知识自动化知识抽取、知识生成技术,公路水运工程知识图谱存储、知识计算、知识应用展现技术。
下面结合附图,详细说明本申请的各种非限制性实施方式。
首先,参照图1,对本申请的基于人工智能的公路水运工程管理方法进行详细说明:
本申请提供一种基于人工智能的公路水运工程管理方法,所述方法包括:
S1、对已有的公路水运工程领域相关的数据进行采集和整理,其中,所述已有的公路水运工程领域相关的数据包括:工程资料、规范标准、项目数据库,利用数据清洗和预处理技术对采集的数据进行清理、去重和格式化处理,形成所述公路水运工程领域对应的第一语料库;
S2、使用所述第一语料库对大语言模型进行训练,获得目标语言模型,其中,所述大语言模型是基于ChatGLM的且支持参数微调;
S3、基于所述公路水运工程领域对应的第一语料库,结合公路水运工程领域的专业术语、规范名称以及文件的目录层级,采用所述目标语言模型来识别各个行业实体并进行复杂关系抽取,从而从所述第一语料库中获取公路水运工程的各个知识要点;
S4、基于各个所述知识要点,构建所述公路水运工程的工程知识图谱;
S5、通过可视化技术,向用户展示所述工程知识图谱,以便用户浏览和检索所述工程知识图谱,其中,所述工程知识图谱的展示包括采用知识问答应用的方式展示,便于用户提出问题并获取与所述公路水运工程相关的答案。
上述实施例中的基于人工智能的公路水运工程管理方法,能够高效准确的构建公路水运行业知识工程,节省大量专家人工工作量;实现水运工程行业的知识管理与知识共享,沉淀行业智慧;提供知识可视化、知识问答等应用,集成到各类应用系统中,能够提高系统智能化程度。
在一些实施例中,所述大语言模型包括提示词工程子模块,其中所述提示词工程子模块用于提示与所述公路水运工程相关的目标意图,以便自动识别所述各个行业实体并进行复杂关系抽取,从而抽取出所述公路水运工程的各个知识要点。
在一些实施例中,所述使用所述第一语料库对大语言模型进行训练,获得目标语言模型,包括:
设定目标学习率;
基于所述目标学习率并结合所述第一语料库对所述大语言模型进行训练,当达到目标收敛值时,停止训练,获得目标语言模型。
在一些实施例中,所述工程知识图谱的展示包括采用知识问答应用的方式展示,包括:
将与各个所述行业实体相关的问答进行分类,将与每个行业实体相关联的问答按照关联度排序,展示前N条问答,其中N为正整数;
对于所述N条之后的其他的问答,则折叠显示为查看更多按钮。
在一些实施例中,所述采用所述目标语言模型来识别各个行业实体并进行复杂关系抽取之后,还包括:
对各个所述行业实体进行对齐并进行消歧;
并进行问答抽取。
在一些实施例中,在进行问答抽取之后还包括:
设置专家辅助校验模块,对抽取的各个所述问答,通过专家进行辅助校验,以保证问答的准确性。
在一些实施例中,提示词工程子模块用于提示与所述公路水运工程相关的目标意图,其中所述目标意图包括以下至少一项:
根据给定的表格内容还原成树型层级结构并输出,其中表格头包括序号、分部工程、分项工程;
根据给定的公路水运工程行业规划中的文件,生成选择题和简答题,并给出答案和解析。
具体地,给定的表格可以是本领域关于公路水运工程领域的各类表格,给定的公路水运工程行业规划中的文件可以是本领域中各类文件,本领域技术人员所熟知均可以应用与此,对此不作限定。
在一些实施例中,采用图数据库存储所述工程知识图谱,其中图数据库包括:nebule_graph。
下面通过另一示例来说明基于人工智能的公路水运工程管理方法,具体方法如下:
1)大语言模型的提示词工程(对应上述的提示词工程子模块):
设计一套专门针对公路水运工程领域的大语言模型的提示词工程。该工程通过结合公路水运工程领域的术语、规范名称以及相关文档的目录层级等信息,自动识别行业实体并进行复杂关系抽取;这一步骤有助于从大量的领域专业语料中准确抽取出公路水运工程的知识要点。
2)公路水运工程领域的大语言模型的微调:
使用公路水运领域的专业语料对大语言模型进行微调,以构建一个高精度、领域特定的模型。通过这一步骤,我们能够更好地理解和生成与公路水运工程相关的语言,从而提供更准确和有针对性的知识抽取和生成能力。
3)知识构建与融合
基于抽取得到的公路水运工程知识要点,构建起一个完整的工程知识图谱。在知识构建的过程中,采用了实体对齐和实体消歧等技术,确保知识的准确性和一致性。通过大规模知识存储和计算,能够高效地管理和处理大量的工程知识。
4)知识应用展现
为了使公路水运工程领域的知识得以应用和展现,开发可视化技术和知识问答应用。通过可视化技术,用户可以直观地浏览和探索工程知识图谱,从而更好地理解公路水运工程领域的相关知识。同时,知识问答应用允许用户提出问题并获取与公路水运工程相关的准确答案,提供了一种智能化的知识交互方式。
通过以上方案可实现工程知识的融合与应用,为公路水运工程领域的专业人士和研究人员提供更准确、高效的知识支持和工具。这些技术方案的结合将大幅提升知识抽取、知识构建、知识融合和知识应用的能力,推动公路水运工程领域的发展和创新。
本申请的基于人工智能的公路水运工程管理方法的实现过程,主要基于包括数据层、模型层、知识图谱层、应用层的架构;具体的各个层的分工和作用如下:
1)数据层
数据采集和处理部分提供的数据将作为知识图谱构建的基础。采集的工程资料、规范标准和项目数据库等数据将经过清洗、去重和格式化处理,以确保数据的准确性和一致性。这些经过处理的数据将成为知识图谱的内容和输入源。
对已有公路水运工程领域相关数据进行采集和整理,包括工程资料、规范标准、项目数据库等。利用数据清洗和预处理技术对采集的数据进行清理、去重和格式化处理,确保数据的准确性和一致性。
2)模型层
主要涉及大语言模型,大语言模型的微调与优化将采用专业语料数据对模型进行再训练,以提高其在公路水运工程领域的知识抽取和生成能力。通过结合专业语料和领域特定的训练技术,模型将能够更准确地提取和生成与公路水运工程相关的知识。采用的大语言模型基座为ChatGLM,具备百亿参数LLM模型,并支撑参数微调。
3)知识图谱层
知识图谱构建部分将使用数据采集和处理得到的清洗后的数据。通过使用大语言模型技术,对建筑行业实体和复杂关系进行识别和抽取。这些抽取的实体和关系将被用于构建领域专业的建筑行业多模态知识图谱。具体包括建筑术语、规范名称等实体识别,建筑规范文档目录层级抽取、知识大纲抽取,建筑规范问答对挖掘。
4)应用层
应用层主要实现公路水运工程知识可视化,公路水运工程知识问答库,公路水运工程大语言模型的提示词共享平台,第三方系统集成接口等。
本实施例的方法可有效提高公路水运工程知识管理的质量和效率,赋能知识应用系统,实现如下技术效果:
1、高效准确的构建公路水运行业知识工程,节省大量专家人工工作量。
2、实现水运工程行业的知识管理与知识共享,沉淀行业智慧。
3、提供知识可视化、知识问答等应用,集成到各类应用系统中,提高系统智能化程度。
需要说明的是,本申请一个或多个实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请一个或多个实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还公开一种电子设备;
具体地,图2示出了本实施例所提供的一种基于人工智能的公路水运工程管理方法的电子设备的硬件结构示意图,该设备可以包括:处理器410、存储器420、输入/输出接口430、通信接口440和总线450。其中,处理器410、存储器420、输入/输出接口430和通信接口440通过总线450实现彼此之间在设备内部的通信连接。
处理器410可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案。
存储器420可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器420可以存储操作系统和其他应用程序,在通过软件或者固件来实现本申请实施例所提供的技术方案时,相关的程序代码保存在存储器420中,并由处理器410来调用执行。
输入/输出接口430用于连接输入/输出模块,以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口440用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如,USB、网线等)实现通信,也可以通过无线方式(例如,移动网络、WIFI、蓝牙等)实现通信。
总线450包括一通路,在设备的各个组件(例如,处理器410、存储器420、输入/输出接口430和通信接口440)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器410、存储器420、输入/输出接口430、通信接口440以及总线450,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的基于人工智能的公路水运工程管理方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请一个或多个实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的基于人工智能的公路水运工程管理方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的基于人工智能的公路水运工程管理方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请一个或多个实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以避免使本申请一个或多个实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请一个或多个实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请一个或多个实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本申请一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于人工智能的公路水运工程管理方法,其特征在于,所述方法包括:
S1、对已有的公路水运工程领域相关的数据进行采集和整理,其中,所述已有的公路水运工程领域相关的数据包括:工程资料、规范标准、项目数据库,利用数据清洗和预处理技术对采集的数据进行清理、去重和格式化处理,形成所述公路水运工程领域对应的第一语料库;
S2、使用所述第一语料库对大语言模型进行训练,获得目标语言模型,其中,所述大语言模型是基于ChatGLM的且支持参数微调;
S3、基于所述公路水运工程领域对应的第一语料库,结合公路水运工程领域的专业术语、规范名称以及文件的目录层级,采用所述目标语言模型来识别各个行业实体并进行复杂关系抽取,从而从所述第一语料库中获取公路水运工程的各个知识要点;
S4、基于各个所述知识要点,构建所述公路水运工程的工程知识图谱;
S5、通过可视化技术,向用户展示所述工程知识图谱,以便用户浏览和检索所述工程知识图谱,其中,所述工程知识图谱的展示包括采用知识问答应用的方式展示,便于用户提出问题并获取与所述公路水运工程相关的答案。
2.根据权利要求1所述的基于人工智能的公路水运工程管理方法,其特征在于,所述大语言模型包括提示词工程子模块,其中所述提示词工程子模块用于提示与所述公路水运工程相关的目标意图,以便自动识别所述各个行业实体并进行复杂关系抽取,从而抽取出所述公路水运工程的各个知识要点。
3.根据权利要求1所述的基于人工智能的公路水运工程管理方法,其特征在于,所述使用所述第一语料库对大语言模型进行训练,获得目标语言模型,包括:
设定目标学习率;
基于所述目标学习率并结合所述第一语料库对所述大语言模型进行训练,当达到目标收敛值时,停止训练,获得目标语言模型。
4.根据权利要求1所述的基于人工智能的公路水运工程管理方法,其特征在于,所述工程知识图谱的展示包括采用知识问答应用的方式展示,包括:
将与各个所述行业实体相关的问答进行分类,将与每个行业实体相关联的问答按照关联度排序,展示前N条问答,其中N为正整数;
对于所述N条之后的其他的问答,则折叠显示为查看更多按钮。
5.根据权利要求1所述的基于人工智能的公路水运工程管理方法,其特征在于,所述采用所述目标语言模型来识别各个行业实体并进行复杂关系抽取之后,还包括:
对各个所述行业实体进行对齐并进行消歧;
并进行问答抽取。
6.根据权利要求5所述的基于人工智能的公路水运工程管理方法,其特征在于,在进行问答抽取之后还包括:
设置专家辅助校验模块,对抽取的各个所述问答,通过专家进行辅助校验,以保证问答的准确性。
7.根据权利要求1所述的基于人工智能的公路水运工程管理方法,其特征在于,提示词工程子模块用于提示与所述公路水运工程相关的目标意图,其中所述目标意图包括以下至少一项:
根据给定的表格内容还原成树型层级结构并输出,其中表格头包括序号、分部工程、分项工程;
根据给定的公路水运工程行业规划中的文件,生成选择题和简答题,并给出答案和解析。
8.根据权利要求1所述的基于人工智能的公路水运工程管理方法,其特征在于,采用图数据库存储所述工程知识图谱,其中图数据库包括:nebule_graph。
9.一种电子设备,所述电子设备包括: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计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311333726.2A CN117493575A (zh) | 2023-10-13 | 2023-10-13 | 基于人工智能的公路水运工程管理方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311333726.2A CN117493575A (zh) | 2023-10-13 | 2023-10-13 | 基于人工智能的公路水运工程管理方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117493575A true CN117493575A (zh) | 2024-02-02 |
Family
ID=89677294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311333726.2A Pending CN117493575A (zh) | 2023-10-13 | 2023-10-13 | 基于人工智能的公路水运工程管理方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117493575A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199511A (zh) * | 2020-09-28 | 2021-01-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 跨语言多来源垂直领域知识图谱构建方法 |
CN114004237A (zh) * | 2021-09-28 | 2022-02-01 | 深圳市罗湖区人民医院 | 一种基于膀胱癌知识图谱的智能问答系统构建方法 |
CN115525751A (zh) * | 2022-10-18 | 2022-12-27 | 浙江力石科技股份有限公司 | 一种基于知识图谱的智能问答系统和方法 |
CN116127095A (zh) * | 2023-01-04 | 2023-05-16 | 北京工业大学 | 一种序列模型与知识图谱结合的问答方法 |
CN116257610A (zh) * | 2023-01-11 | 2023-06-13 | 山西长河科技股份有限公司 | 基于行业知识图谱的智能问答方法、装置、设备及介质 |
CN116775906A (zh) * | 2023-06-29 | 2023-09-19 | 中科云谷科技有限公司 | 知识图谱的构建方法、系统、计算机设备和存储介质 |
CN116860997A (zh) * | 2023-07-06 | 2023-10-10 | 北京轻松筹信息技术有限公司 | 知识图谱的构建方法、装置、设备及存储介质 |
-
2023
- 2023-10-13 CN CN202311333726.2A patent/CN117493575A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199511A (zh) * | 2020-09-28 | 2021-01-08 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 跨语言多来源垂直领域知识图谱构建方法 |
CN114004237A (zh) * | 2021-09-28 | 2022-02-01 | 深圳市罗湖区人民医院 | 一种基于膀胱癌知识图谱的智能问答系统构建方法 |
CN115525751A (zh) * | 2022-10-18 | 2022-12-27 | 浙江力石科技股份有限公司 | 一种基于知识图谱的智能问答系统和方法 |
CN116127095A (zh) * | 2023-01-04 | 2023-05-16 | 北京工业大学 | 一种序列模型与知识图谱结合的问答方法 |
CN116257610A (zh) * | 2023-01-11 | 2023-06-13 | 山西长河科技股份有限公司 | 基于行业知识图谱的智能问答方法、装置、设备及介质 |
CN116775906A (zh) * | 2023-06-29 | 2023-09-19 | 中科云谷科技有限公司 | 知识图谱的构建方法、系统、计算机设备和存储介质 |
CN116860997A (zh) * | 2023-07-06 | 2023-10-10 | 北京轻松筹信息技术有限公司 | 知识图谱的构建方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
丁忠祥: "基于BERT的机器阅读理解方法研究", 《中国优秀硕士学位论文全文数据库 信息科技》, 15 January 2023 (2023-01-15), pages 138 - 3584 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiao et al. | Virtual knowledge graphs: An overview of systems and use cases | |
US20210097089A1 (en) | Knowledge graph building method, electronic apparatus and non-transitory computer readable storage medium | |
CN101859303A (zh) | 元数据管理方法及管理系统 | |
CN111159184B (zh) | 元数据追溯方法、装置及服务器 | |
CN113806487B (zh) | 基于神经网络的语义搜索方法、装置、设备和存储介质 | |
CN116028653B (zh) | 一种可视化配置多源异构数据构建图谱的方法及系统 | |
CN111240669B (zh) | 界面生成方法、装置、电子设备及计算机存储介质 | |
CN111061739A (zh) | 海量医疗数据的入库方法及装置、电子设备、存储介质 | |
CN102930048A (zh) | 使用参考和视觉数据的语义自动发现的数据丰富 | |
Silva et al. | Integrating big data into the computing curricula | |
CN110363206A (zh) | 数据对象的聚类、数据处理及数据识别方法 | |
CN111984745A (zh) | 数据库字段动态扩展方法、装置、设备及存储介质 | |
CN105512270A (zh) | 一种确定相关对象的方法和装置 | |
CN113505190B (zh) | 地址信息修正方法、装置、计算机设备和存储介质 | |
CN117493575A (zh) | 基于人工智能的公路水运工程管理方法及电子设备 | |
CN113641785B (zh) | 基于多维度的科技资源相似词检索方法及电子设备 | |
CN114741077A (zh) | 基于字段粒度的页面效果预览方法、装置、设备及介质 | |
CN115114297A (zh) | 数据轻量存储及查找方法、装置、电子设备及存储介质 | |
CN103164504A (zh) | 一种智能手机精细化图片搜索系统及方法 | |
CN113743432A (zh) | 一种图像实体信息获取方法、设备、电子设备和存储介质 | |
CN106557564A (zh) | 一种对象数据分析方法及装置 | |
CN108920749B (zh) | 管线二三维数据更新方法、装置与计算机可读存储介质 | |
CN111383050A (zh) | 产品数据整合及分析方法、装置及计算机可读存储介质 | |
CN116484878B (zh) | 电力异质数据的语义关联方法、装置、设备及存储介质 | |
CN109739839A (zh) | 数据空值处理方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |