故障运维是当前工业生产领域的一个重要研究主题。基于故障知识图谱的故障预测、故障诊断、智能问答等研究都已经得到了较大的发展和应用,然而,高质量的故障知识图谱是这些方法开展的基础。考虑到传统的知识图谱构建技术需要对原始数据...故障运维是当前工业生产领域的一个重要研究主题。基于故障知识图谱的故障预测、故障诊断、智能问答等研究都已经得到了较大的发展和应用,然而,高质量的故障知识图谱是这些方法开展的基础。考虑到传统的知识图谱构建技术需要对原始数据进行数据预处理、实体识别、关系抽取以及实体对齐,为了提高知识图谱构建效率,本文的工作聚焦于利用大语言模型(Large Language Model,LLM)对故障运维数据进行无监督知识抽取,设计并实现一种基于大模型的大型故障知识图谱的自动构建方法。该方法主要包含2个部分:1)2种面向故障知识图谱构建的zero-shot Prompt,这些Prompt能够引导大语言模型对故障知识图谱进行概念层的生成和元素层的知识抽取,以RDF语法进行表征和输出;2)一种基于大语言模型的知识图谱构建方法,该方法可以通过zero-shot Prompt引导大语言模型对故障运维数据进行知识抽取,并以迭代的形式完成大型故障知识图谱的构建。实验结果表明本文提出的方法具有一定的科学性和有效性。展开更多
文摘故障运维是当前工业生产领域的一个重要研究主题。基于故障知识图谱的故障预测、故障诊断、智能问答等研究都已经得到了较大的发展和应用,然而,高质量的故障知识图谱是这些方法开展的基础。考虑到传统的知识图谱构建技术需要对原始数据进行数据预处理、实体识别、关系抽取以及实体对齐,为了提高知识图谱构建效率,本文的工作聚焦于利用大语言模型(Large Language Model,LLM)对故障运维数据进行无监督知识抽取,设计并实现一种基于大模型的大型故障知识图谱的自动构建方法。该方法主要包含2个部分:1)2种面向故障知识图谱构建的zero-shot Prompt,这些Prompt能够引导大语言模型对故障知识图谱进行概念层的生成和元素层的知识抽取,以RDF语法进行表征和输出;2)一种基于大语言模型的知识图谱构建方法,该方法可以通过zero-shot Prompt引导大语言模型对故障运维数据进行知识抽取,并以迭代的形式完成大型故障知识图谱的构建。实验结果表明本文提出的方法具有一定的科学性和有效性。
