CN117556054A - 一种基于大型语言模型的知识图谱构建方法与管理系统 - Google Patents
一种基于大型语言模型的知识图谱构建方法与管理系统 Download PDFInfo
- Publication number
- CN117556054A CN117556054A CN202311509167.6A CN202311509167A CN117556054A CN 117556054 A CN117556054 A CN 117556054A CN 202311509167 A CN202311509167 A CN 202311509167A CN 117556054 A CN117556054 A CN 117556054A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- knowledge graph
- language model
- graph
- model
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 35
- 238000009430 construction management Methods 0.000 title description 2
- 238000000605 extraction Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000013461 design Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012550 audit Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000007670 refining Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 abstract description 8
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- 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
- G06N5/025—Extracting rules from data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于大型语言模型的知识图谱构建方法与管理系统,构建方法包括以下步骤:基于协作模式构建领域环境概念模型,基于所述领域环境概念模型生成提示词;基于大型语言模型对所述提示词进行知识抽取和知识扩展;基于知识抽取内容和知识扩展内容完成知识图谱的构建。本发明根据用户协作设计领域环境概念模型,用于指导最终知识图谱的生成;在知识图谱的构建过程中通过大型语言模型以一种0训练的方式挖掘用户给定内容中的知识,能够高效率的形成图谱,同时通过知识扩展和知识质检方法实现了知识图谱内容的丰富和完善。
Description
技术领域
本发明属于知识图谱构建技术领域,特别是涉及一种基于大型语言模型的知识图谱构建方法与管理系统。
背景技术
目前,知识图谱在服务领域的应用正逐渐展现出巨大的潜力和价值。知识图谱作为一种结构化的知识表示方式,可以将各种实体、属性和关系进行关联,并以图的形式呈现出来。
在知识图谱研究领域,基础的知识图谱构建方法主要包含数据收集,信息抽取,知识融合和知识加工4个步骤。在知识图谱构建过程中涉及的活动有实体/关系/属性抽取、外部知识融合、指代/实体消歧、本体抽取、质量评估和知识推理。目前特殊领域下的知识图谱构建模型需要消耗大量的人力物力来对数据进行标注以训练知识模型,导致中小型企业或团队无法快速构建所需的知识图谱内容。同时特殊领域下的知识内容往往具有复杂性和分散性,用户难以同时感知到相关知识内容,导致知识图谱稀疏。
发明内容
本发明的目的是提供一种基于大型语言模型的知识图谱构建方法与管理系统,不需要训练也可以从给定信息中准确提取领域环境下的知识并构建知识图谱,同时帮助用户扩展和管理知识图谱内容的平台。旨在帮助用户解决知识图谱构建模型实施困难,训练数据难获取难创建的问题。
为实现上述目的,本发明提供了一种基于大型语言模型的知识图谱构建方法,包括以下步骤:
基于协作模式构建领域环境概念模型,基于所述领域环境概念模型生成提示词;
基于大型语言模型对所述提示词进行知识抽取和知识扩展;
基于知识抽取内容和知识扩展内容完成知识图谱的构建。
可选地,所述领域环境概念模型的构建过程包括:基于元模型细化知识图谱相关领域的知识概念内容,获得若干个概念模型小版本;对所述若干个概念模型小版本进行合并和审核,获得共识的概念模型;对所述共识的概念模型继续进行细化、合并和审核的处理,直至完成领域环境概念模型的构建。
可选地,生成提示词的过程包括:预设知识抽取提示模板,基于预期知识范围、知识样本、响应格式和所述预设知识抽取提示模板,利用所述领域环境概念模型自动生成知识提取的提示词。
可选地,对所述提示词进行知识抽取的过程包括:基于所述提示词,与大型语言模型进行多轮问答互动,获得知识抽取内容。
可选地,对所述提示词进行知识扩展的过程包括:预设知识搜索提示词模板,所述领域环境概念模型基于所述预设知识搜索提示词模板自动生成知识扩展的搜索词;基于所述搜索词,对所述大型语言模型的公共知识进行搜索,将搜索结果补充到知识抽取的内容中。
可选地,对知识图谱进行优化的过程包括:预设知识问询提示词模板,所述领域环境概念模型基于所述知识问询提示词模板自动生成质量问询提示词;将所述质量问询提示词与知识抽取的内容相融合,对所述大型语言模型进行质量问询,纠正错误内容,优化知识图谱。
本发明还提供一种基于大型语言模型的知识图谱管理系统,包括:依次连接的展示子系统、处理子系统和管理子系统;
所述展示子系统用于基于业务前台提供知识图谱管理的可交互页面;所述处理子系统用于基于业务后台处理知识图谱的特殊业务;所述管理子系统用于基于服务组件库为知识图谱构建过程提供管理服务。
可选地,所述业务前台的可交互页面至少包括:知识图谱概念管理页面,知识图谱概念设计页面,知识图谱数据导入页面,知识图谱任务管理页面和知识图谱日志查看页面。
可选地,所述知识图谱的特殊业务至少包括:原生数据与知识图谱知识概念对齐,原生业务数据特别处理流程,知识数据展示处理流程和业务数据保密处理流程。
可选地,所述管理子系统包括:
数据导入模块,用于提供知识图谱通用的相关数据导入服务;
数据质量管理模块,用于提供知识图谱数据层质量管理服务;
数据存储模块,用于提供知识图谱内容具体存储的服务;
数据控制模块,用于提供连接存储与服务的统一接口服务;
概念更新与查询模块,用于提供知识图谱概念层内容统一改查服务。
本发明的技术效果为:
本发明根据用户协作设计领域环境概念模型,用于指导最终知识图谱的生成;在知识图谱的构建过程中通过大型语言模型以一种0训练的方式挖掘用户给定内容中的知识,能够高效率的形成图谱,同时通过知识扩展和知识质检方法实现了知识图谱内容的丰富和完善。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例中的知识图谱构建平台框架示意图;
图2为本发明实施例中的领域环境概念模型构建流程示意图;
图3为本发明实施例中的知识抽取流程图;
图4为本发明实施例中的知识搜索流程图;
图5为本发明实施例中的质量问询流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1所示,本实施例中提供一种基于大型语言模型的知识图谱构建方法与管理系统,其中,知识图谱的构建过程包括:
知识概念协作:
同一企业或团队的用户通过协作模式共同构建问题环境或领域环境下的知识图谱概念框架,以指导最终知识图谱的生成。
作为具体的实施例,在领域知识图谱构建方法中,构造一个有效的知识图谱概念模型能够有效的规范知识图谱内容。在具体问题场景下,一个完整的领域知识图谱概念模型往往涉及多个方面,单一领域专家可能无法一次完成所有的知识概念体系设计。为了帮助用户设计领域特定的知识概念模型,本实施例设计的知识概念协作模块提供一种协作设计模式。图2给出具体的协作流程。
用户可以首先根据元模型细化自己涉及领域下的知识概念内容,每个用户细化自己的概念内容形成一系列的知识概念模型小版本,管理员通过模块审查小版本自动合并生成的概念模型,在通过审核后形成一套共识的知识概念版本再进行细化。循环该步骤直到完成具体的知识概念模型。
基于大型语言模型的知识抽取:
对于早期领域环境知识抽取方式需要大量标注数据进行知识模块重新训练才能实现,为了解决特定领域环境标注数据不足需要用户花费额外人力物力来训练知识抽取模型的问题,本实施例采用一种基于大型语言模型进行0训练知识抽取的方法。通过上一步骤中构建的领域环境概念模型,生成用于大型语言模型的提示词,使用提示词和给定文本,通过大型语言模型的能力获取抽取得到的具体知识内容构建知识图谱。
作为具体的实施例,在服务领域,附加注释的数据集非常缺乏,创建此类数据集通常需要大量的人工工作。为了克服服务领域知识数据源有限的挑战,本实施例提出了一种基于大型语言模型的知识提取方法。
进一步的,为了获得足够的知识,本实施例开发了一个支持从结构化、半结构化和文本数据中提取知识的KG构建框架,以适应现实世界中的大多数知识存储方法。对于结构化数据和半结构化数据,知识提取是通过传统方法进行的:将数据概念与本体概念对齐,然后将它们导入到知识库中。为了从文本数据中提取知识并构建图谱,本实施例设计了一套基于大型语言模型的知识抽取流程如图3所示。该模块通过设计的知识概念模型通过预设模板自动生成与大型语言模型对话进行领域知识抽取任务的提示词。在表1中介绍了提示模板的详细信息。这些提示包括一系列有关从文本中提取相关知识的实体命名识别和关系识别的问题,确保大型语言模型获取的知识与服务领域相关。通过这些提示,系统将与大型语言模型进行多轮问答互动,以提取所需的知识内容。得到所需的结果后,知识将通过下游方法进行存储和更新。该方法不依赖于标注数据集,而是将大型语言模型与问答法结合使用。这种方法利用了大型语言模型的功能,可以执行0训练下的命名实体识别(NER)和关系提取(RE)任务。
基于服务领域本体,通过预期的知识范围、知识样本、响应格式和预定义的提示模板自动生成知识提取的提示。在某些情况下,大型语言模型可能会生成超出本体预定义概念的知识。这些额外的知识被存储为与KG中相关节点相关联的事实信息属性。本实施例还对节点属性进行了定期检查,并不断进行人工改进,以完善和提高本体的质量。
表1
基于大型语言模型的知识扩展:
对于领域知识来讲往往面临着知识内容复杂性和分散性的问题,本实施例采用一种基于大型语言模型进行相关知识搜索的方法。通过构建的领域概念模型,生成用于大型语言模型的提示词,使用提示词向大型语言模型询问公开知识内容,并丰富用户知识图谱。
作为具体的实施例,由于服务领域涉及的知识范围很广,而且知识分散在互联网的各个角落,即使是该领域最有经验的专家也无法确定所有潜在的数据源。为了解决这个问题,并提取数据源中可能无法直接获取但可以公开访问的知识,在构建服务领域KG时,在大型语言模型知识库的基础上加入了一种额外的知识搜索方法。利用大型语言模型中倾斜的公共知识来扩充原始数据。为了更新被广泛认可和公开讨论的知识节点,使用服务领域本体生成了一个查询提示,该提示涵盖了节点信息的多个方面,如表2所示。通过使用文本处理技术从生成的信息中提取知识,以在信息不足时补充知识,从而获得大型语言模型的结果。图4显示了知识搜索的主要过程。
表2
基于大型语言模型的知识质检:
对于大型语言模型生成式构造知识的方法可能会出现生成的知识内容不符合规则或事实的问题,本实施例采用一种基于知识描述方法进行知识质量问询的方法。通过构建的领域概念模型和已知知识内容,生成用于知识问询的提示词,使用提示词向大型语言模型询问已知知识关系的可能性,并纠正明显错误的知识内容,优化知识图谱。
作为具体的实施例,大型语言模型作为一种生成式语言模型,在问答过程中有概率出现不符合格式或不符合事实的回答,此时需要对大型语言模型生成的知识进行进一步的质量检查。为了解决这个问题,设计了一种生成知识质量检查的方案,如图5所示。本实施例使用服务领域本体生成一个质量询问提示,如表3所示。该提示蕴涵需要进行质量检查的知识节点相关的概念模型,同时根据抽取得到的知识节点相关知识生成一段知识描述,之后通过融合质量询问提示和知识描述向大型语言模型进行质量询问,让大型语言模型自动判断该知识内容是否符合逻辑。
表3
本实施例还提供一种知识图谱管理系统,包括展示子系统、处理子系统和管理子系统。
所述展示子系统基于业务前台为知识图谱管理平台的可交互页面,主要包含:知识图谱概念管理页面,知识图谱概念设计页面,知识图谱数据导入页面,知识图谱任务管理页面,知识图谱日志查看页面。
所述处理子系统基于业务后台为业务前台与统一服务组件库的集成层,主要负责处理用户的特殊业务。主要包含:原生数据与图谱知识概念对齐,原生业务数据特别处理流程,知识数据展示处理流程,业务数据保密处理流程等具体企业业务处理流程。
所述管理子系统基于服务组件库为本实施例提供一套具体的知识图谱管理平台控件。其中包括:
数据存储模块:提供知识图谱内容具体存储的服务;
数据控制模块:提供连接存储系统与服务系统的统一接口服务;
数据质量管理模块:提供知识图谱数据层质量管理服务;
数据导入模块:提供企业知识图谱通用的相关数据导入服务;
概念更新与查询模块:提供知识图谱概念层内容统一改查服务。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种基于大型语言模型的知识图谱构建方法,其特征在于,包括以下步骤:
基于协作模式构建领域环境概念模型,基于所述领域环境概念模型生成提示词;
基于大型语言模型对所述提示词进行知识抽取和知识扩展;
基于知识抽取内容和知识扩展内容完成知识图谱的构建。
2.根据权利要求1所述的一种基于大型语言模型的知识图谱构建方法,其特征在于,
所述领域环境概念模型的构建过程包括:基于元模型细化知识图谱相关领域的知识概念内容,获得若干个概念模型小版本;对所述若干个概念模型小版本进行合并和审核,获得共识的概念模型;对所述共识的概念模型继续进行细化、合并和审核的处理,直至完成领域环境概念模型的构建。
3.根据权利要求2所述的一种基于大型语言模型的知识图谱构建方法,其特征在于,
生成提示词的过程包括:预设知识抽取提示模板,基于预期知识范围、知识样本、响应格式和所述预设知识抽取提示模板,利用所述领域环境概念模型自动生成知识抽取的提示词。
4.根据权利要求1所述的一种基于大型语言模型的知识图谱构建方法,其特征在于,
对所述提示词进行知识抽取的过程包括:基于所述提示词,与大型语言模型进行多轮问答互动,获得知识抽取内容。
5.根据权利要求1所述的一种基于大型语言模型的知识图谱构建方法,其特征在于,
对所述提示词进行知识扩展的过程包括:预设知识搜索提示词模板,所述领域环境概念模型基于所述预设知识搜索提示词模板自动生成知识扩展的搜索词;基于所述搜索词,对所述大型语言模型的公共知识进行搜索,将搜索结果补充到知识抽取的内容中。
6.根据权利要求1所述的一种基于大型语言模型的知识图谱构建方法,其特征在于,
对知识图谱进行优化的过程包括:预设知识问询提示词模板,所述领域环境概念模型基于所述知识问询提示词模板自动生成质量问询提示词;将所述质量问询提示词与知识抽取的内容相融合,对所述大型语言模型进行质量问询,纠正错误内容,优化知识图谱。
7.一种基于大型语言模型的知识图谱管理系统,其特征在于,包括:依次连接的展示子系统、处理子系统和管理子系统;
所述展示子系统用于基于业务前台提供知识图谱管理的可交互页面;所述处理子系统用于基于业务后台处理知识图谱的特殊业务;所述管理子系统用于基于服务组件库为知识图谱构建过程提供管理服务。
8.根据权利要求7所述的基于大型语言模型的知识图谱管理系统,其特征在于,
所述业务前台的可交互页面至少包括:知识图谱概念管理页面,知识图谱概念设计页面,知识图谱数据导入页面,知识图谱任务管理页面和知识图谱日志查看页面。
9.根据权利要求7所述的基于大型语言模型的知识图谱管理系统,其特征在于,
所述知识图谱的特殊业务至少包括:原生数据与知识图谱知识概念对齐,原生业务数据特别处理流程,知识数据展示处理流程和业务数据保密处理流程。
10.根据权利要求7所述的基于大型语言模型的知识图谱管理系统,其特征在于,
所述管理子系统包括:
数据导入模块,用于提供知识图谱通用的相关数据导入服务;
数据质量管理模块,用于提供知识图谱数据层质量管理服务;
数据存储模块,用于提供知识图谱内容具体存储的服务;
数据控制模块,用于提供连接存储与服务的统一接口服务;
概念更新与查询模块,用于提供知识图谱概念层内容统一改查服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311509167.6A CN117556054A (zh) | 2023-11-14 | 2023-11-14 | 一种基于大型语言模型的知识图谱构建方法与管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311509167.6A CN117556054A (zh) | 2023-11-14 | 2023-11-14 | 一种基于大型语言模型的知识图谱构建方法与管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117556054A true CN117556054A (zh) | 2024-02-13 |
Family
ID=89813972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311509167.6A Pending CN117556054A (zh) | 2023-11-14 | 2023-11-14 | 一种基于大型语言模型的知识图谱构建方法与管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117556054A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070174041A1 (en) * | 2003-05-01 | 2007-07-26 | Ryan Yeske | Method and system for concept generation and management |
CN112015915A (zh) * | 2020-09-01 | 2020-12-01 | 哈尔滨工业大学 | 基于问题生成的知识库问答系统及装置 |
CN113806563A (zh) * | 2021-11-18 | 2021-12-17 | 东南大学 | 面向多源异构建筑人文史料的建筑师知识图谱构建方法 |
CN116204660A (zh) * | 2023-03-28 | 2023-06-02 | 北京航空航天大学 | 一种多源异构数据驱动的领域知识图谱构建系统方法 |
CN116628172A (zh) * | 2023-07-24 | 2023-08-22 | 北京酷维在线科技有限公司 | 基于知识图谱的政务服务领域多策略融合的对话方法 |
CN116860987A (zh) * | 2023-06-13 | 2023-10-10 | 中电通商数字技术(上海)有限公司 | 基于生成式大语言模型的领域知识图谱构建方法和系统 |
-
2023
- 2023-11-14 CN CN202311509167.6A patent/CN117556054A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070174041A1 (en) * | 2003-05-01 | 2007-07-26 | Ryan Yeske | Method and system for concept generation and management |
CN112015915A (zh) * | 2020-09-01 | 2020-12-01 | 哈尔滨工业大学 | 基于问题生成的知识库问答系统及装置 |
CN113806563A (zh) * | 2021-11-18 | 2021-12-17 | 东南大学 | 面向多源异构建筑人文史料的建筑师知识图谱构建方法 |
CN116204660A (zh) * | 2023-03-28 | 2023-06-02 | 北京航空航天大学 | 一种多源异构数据驱动的领域知识图谱构建系统方法 |
CN116860987A (zh) * | 2023-06-13 | 2023-10-10 | 中电通商数字技术(上海)有限公司 | 基于生成式大语言模型的领域知识图谱构建方法和系统 |
CN116628172A (zh) * | 2023-07-24 | 2023-08-22 | 北京酷维在线科技有限公司 | 基于知识图谱的政务服务领域多策略融合的对话方法 |
Non-Patent Citations (3)
Title |
---|
乔振浩;车万翔;刘挺;: "基于问题生成的知识图谱问答方法", 智能计算机与应用, no. 05, 1 May 2020 (2020-05-01), pages 1 - 5 * |
徐增林;盛泳潘;贺丽荣;王雅芳;: "知识图谱技术综述", 电子科技大学学报, no. 04, 30 July 2016 (2016-07-30) * |
李肖俊;邵必林;: "多源异构数据情境中学术知识图谱模型构建研究", 现代情报, no. 06, 1 June 2020 (2020-06-01) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10936787B2 (en) | Document processor program having document-type dependent interface | |
Ferrández et al. | The QALL-ME Framework: A specifiable-domain multilingual Question Answering architecture | |
Luković et al. | An approach to developing complex database schemas using form types | |
US20080228521A1 (en) | Support model integration system and method | |
CN106663101A (zh) | 本体映射方法和设备 | |
Folaron | Technology, technical translation and localization | |
Siegel et al. | eXist: A NoSQL Document Database and Application Platform | |
US20120239677A1 (en) | Collaborative knowledge management | |
RU2544739C1 (ru) | Способ преобразования структурированного массива данных | |
CN111553138B (zh) | 用于规范内容结构文档的辅助写作方法及装置 | |
Bellandi | LexO: an open-source system for managing OntoLex-Lemon resources | |
CN113535977A (zh) | 一种知识图谱融合方法和装置及设备 | |
Jung | Semantic wiki-based knowledge management system by interleaving ontology mapping tool | |
De Medeiros et al. | Kuaba approach: Integrating formal semantics and design rationale representation to support design reuse | |
Krowne | An architecture for collaborative math and science digital libraries | |
Rencis | Natural language-based knowledge extraction in healthcare domain | |
CN117556054A (zh) | 一种基于大型语言模型的知识图谱构建方法与管理系统 | |
US20230252700A1 (en) | System for ontological graph creation via a user interface | |
Hoi et al. | Manipulating Data Lakes Intelligently with Java Annotations | |
Hämäläinen et al. | An open online dictionary for endangered uralic languages | |
Andritsos et al. | Kanata: adaptation and evolution in data sharing systems | |
CN115794967B (zh) | 关系数据映射与语义本体同步生成方法及装置 | |
de Oliveira et al. | Open data analytic querying using a relation-free api | |
US11940964B2 (en) | System for annotating input data using graphs via a user interface | |
Ferreira Neto et al. | Metamodels of information technology best practices frameworks |
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 |