一种基于大模型和知识图谱的企业辅助决策系统技术方案

本发明专利技术属于企业辅助决策技术领域，涉及一种基于大模型和知识图谱的企业辅助决策系统，其包括：企业数据资源库，其存储有企业数据资源；大模型训练模块，其用于使用所述企业数据资源对基础大模型进行训练，以获得企业垂直大模型；知识图谱构建模块，其用于基于所述企业数据资源，采用所述企业垂直大模型构建企业的知识图谱；基于知识图谱的企业知识库，其用于存储所述企业的知识图谱；业务赋能模块，其用于使用所述企业知识库为企业人员的工作进行赋能

【技术实现步骤摘要】
一种基于大模型和知识图谱的企业辅助决策系统


[0001]本专利技术属于企业辅助决策
，涉及一种企业辅助决策系统，尤其涉及一种基于大模型和知识图谱的企业辅助决策系统
。

技术介绍

[0002]在今天的企业中，企业辅助决策系统已经成为了重要的信息获取和辅助决策方式之一
。
企业辅助决策系统可以帮助企业人员和管理者在日常工作中快速获取所需信息，辅助进行决策，从而提高工作效率和质量
。
[0003]然而，现有的企业辅助决策系统普遍存在如下问题：
[0004]1、
辅助决策推荐准确度不高：现有的推荐算法大多基于用户行为和内容特征，这些方法往往只关注局部信息，导致推荐结果的准确度和覆盖率不高
。
[0005]2、
难以挖掘深层次的知识关联：现有的推荐方法很难挖掘出深层次的知识关联，无法充分利用工厂间的隐藏关联关系
。
[0006]3、
系统性能受限：现有的推荐系统往往需要大量的计算资源，难以满足实时推荐的需求
。
[0007]因此，针对上述现有技术中存在的缺陷，需要研发一种新型的企业辅助决策系统
。

技术实现思路

[0008]为了克服现有技术的缺陷，本专利技术提出一种基于大模型和知识图谱的企业辅助系统，其可以提高企业辅助决策系统的推荐准确度和推荐质量，并能够提高企业辅助决策系统的性能
。
[0009]为了实现上述目的，本专利技术提供如下技术方案：
[0010]一种基于大模型和知识图谱的企业辅助决策系统，其特征在于，包括：
[0011]企业数据资源库，其存储有企业数据资源；
[0012]大模型训练模块，其用于使用所述企业数据资源对基础大模型进行训练，以获得企业垂直大模型；
[0013]知识图谱构建模块，其用于基于所述企业数据资源，采用所述企业垂直大模型构建企业的知识图谱；
[0014]基于知识图谱的企业知识库，其用于存储所述企业的知识图谱；
[0015]业务赋能模块，其用于使用所述基于知识图谱的企业知识库为企业人员的工作进行赋能
。
[0016]优选地，所述大模型训练模块包括：
[0017]增量预训练子模块，其不需要标注数据，直接使用所述企业数据资源对所述基础大模型进行增量预训练；
[0018]监督微调子模块，其使用所述企业数据资源构建指令数据集，并用所述指令数据集微调增量预训练后的基础大模型，以让所述增量预训练后的基础大模型能理解所述指令
数据集，并给出合理答案；
[0019]基于人类反馈的强化学习子模块，其采用基于人类反馈的强化学习的方式训练监督微调后的大模型，从而形成所述企业垂直大模型
。
[0020]优选地，所述监督微调子模块采用全量参数微调或高效参数微调的方式微调所述增量预训练后的基础大模型
。
[0021]优选地，所述基于人类反馈的强化学习子模块包括：
[0022]奖励模型建模单元，其用于构建奖励模型并基于所述企业数据资源构造人类偏好排序数据集，并用所述人类偏好排序数据集训练所述奖励模型；
[0023]强化学习单元，其用于基于人类反馈的强化学习，用训练好的所述奖励模型来训练所述监督微调后的大模型，以生成模型使用奖励或惩罚，并用其更新所述监督微调后的大模型的生成策略，从而形成所述企业垂直大模型
。
[0024]优选地，所述知识图谱构建模块包括：
[0025]知识建模子模块，其用于依据知识图谱中的知识结构对所述企业数据资源进行业务抽象和数据建模，从而建立知识图谱概念模型，所述知识图谱概念模型定义了实体
、
关系和属性；
[0026]实体识别子模块，其用于利用所述企业垂直大模型对所述企业数据资源进行实体识别，识别出实体名称及其属性；
[0027]关系抽取子模块，其用于利用所述企业垂直大模型对所述企业数据资源进行关系抽取，抽取出实体之间的关系；
[0028]图谱构建子模块，其用于基于所述实体识别子模块的识别结果和所述关系抽取子模块的抽取结果对所述知识图谱概念模型进行填充，以获得所述基于知识图谱的企业知识库
。
[0029]优选地，所述知识图谱概念模型包括人员概念模型
、
机器概念模型
、
物料概念模型
、
方法概念模型和环境概念模型
。
[0030]优选地，所述业务赋能模块包括：
[0031]工作交接子模块，其用于基于所述基于知识图谱的企业知识库自动生成规范化的班次交接模版，以便于企业人员之间的交接班；
[0032]日常辅助子模块，其用于基于所述基于知识图谱的企业知识库，基于业务逻辑或基于推荐算法为企业人员推荐相关知识，以便于为企业人员进行辅助决策；
[0033]异常处理子模块，其用于基于所述基于知识图谱的企业知识库对企业管理中的异常情况进行分析和处理，提供决策支持，帮助企业管理者做出正确的决策
。
[0034]优选地，所述推荐算法包括基于内容的推荐算法
、
基于协同过滤的推荐算法和基于热门度的推荐算法
。
[0035]优选地，所述企业数据资源包括企业的结构化数据
、
非结构化数据和众包数据
。
[0036]与现有技术相比，本专利技术的基于大模型和知识图谱的企业辅助决策系统具有如下有益技术效果中的一者或多者：
[0037]1、
推荐准确度高：本专利技术通过结合大模型和知识图谱，能够挖掘出更丰富的知识关联，从而提高推荐的准确度
。
[0038]2、
能够深度挖掘知识关联：本专利技术利用知识图谱和大模型的优势，能够挖掘出深
层次的知识关联，提升推荐的质量
。
[0039]3、
能够提高系统性能：本专利技术采用大模型进行预测，可以降低计算资源的消耗，提高实时推荐的性能
。
附图说明
[0040]图1是本专利技术的基于大模型和知识图谱的企业辅助决策系统的构成示意图
。
[0041]图2是本专利技术的基于大模型和知识图谱的企业辅助决策系统的大模型训练模块的构成示意图
。
[0042]图3是本专利技术的基于大模型和知识图谱的企业辅助决策系统的知识图谱构建模块的构成示意图
。
[0043]图4是本专利技术的企业知识图谱概念模型的示意图
。
具体实施方式
[0044]下面结合附图和实施例对本专利技术进一步说明，实施例的内容不作为对本专利技术的保护范围的限制
。
[0045]为了解决现有的企业辅助决策系统所存在的问题，本专利提供了一种基于大模型和知识图谱结合的企业辅助决策系统，其通过结合大模型和知识图谱，能够提高推荐的准确度和质量，并能够提高系统的性能
。
[0046]在介绍本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大模型和知识图谱的企业辅助决策系统，其特征在于，包括：企业数据资源库，其存储有企业数据资源；大模型训练模块，其用于使用所述企业数据资源对基础大模型进行训练，以获得企业垂直大模型；知识图谱构建模块，其用于基于所述企业数据资源，采用所述企业垂直大模型构建企业的知识图谱；基于知识图谱的企业知识库，其用于存储所述企业的知识图谱；业务赋能模块，其用于使用所述基于知识图谱的企业知识库为企业人员的工作进行赋能
。2.
根据权利要求1所述的基于大模型和知识图谱的企业辅助决策系统，其特征在于，所述大模型训练模块包括：增量预训练子模块，其不需要标注数据，直接使用所述企业数据资源对所述基础大模型进行增量预训练；监督微调子模块，其使用所述企业数据资源构建指令数据集，并用所述指令数据集微调增量预训练后的基础大模型，以让所述增量预训练后的基础大模型能理解所述指令数据集，并给出合理答案；基于人类反馈的强化学习子模块，其采用基于人类反馈的强化学习的方式训练监督微调后的大模型，从而形成所述企业垂直大模型
。3.
根据权利要求2所述的基于大模型和知识图谱的企业辅助决策系统，其特征在于，所述监督微调子模块采用全量参数微调或高效参数微调的方式微调所述增量预训练后的基础大模型
。4.
根据权利要求3所述的基于大模型和知识图谱的企业辅助决策系统，其特征在于，所述基于人类反馈的强化学习子模块包括：奖励模型建模单元，其用于构建奖励模型并基于所述企业数据资源构造人类偏好排序数据集，并用所述人类偏好排序数据集训练所述奖励模型；强化学习单元，其用于基于人类反馈的强化学习，用训练好的所述奖励模型来训练所述监督微调后的大模型，以生成模型使用奖励或惩罚，并用其更新所述监督微调后的大模型的生成策略，从而形成所述企业垂直大模型
。5.
根据权利要求4所述的基于大模型和知识图谱的企业辅助决策系统，其特征在于，所述知识图谱构建模块包括：知识建模子模块，其用于依据知识图谱中...

【专利技术属性】
技术研发人员：刘丁枭，马晋辰，
申请(专利权)人：北京智谱华章科技有限公司，
类型：发明
国别省市：