一种基于无监督学习的煤气化炉知识问答系统技术方案

本申请公开了一种基于无监督学习的煤气化炉知识问答系统，涉及工业技术领域，该煤气化炉知识问答系统中的知识平台用于对获取到的煤气化炉的原始领域数据进行知识抽取得到若干个煤矿实体及煤矿实体之间的实体关系，并使用大语言模型对不同煤矿实体及其之间的实体关系进行知识加工，得到煤气化炉知识图谱为煤气化炉知识问答提供知识支持，这种无监督学习方法能够自动从数据中学习知识，不需要人工标注数据，因此可以实现自动化程度高

【技术实现步骤摘要】
一种基于无监督学习的煤气化炉知识问答系统


[0001]本申请涉及工业
，尤其是一种基于无监督学习的煤气化炉知识问答系统
。

技术介绍

[0002]煤气化炉是一种常见的工业设备，用于将煤转化为气态燃料，煤气化炉的运行需要处理大量的煤气化过程参数，因此对于煤气化炉领域的专家来说，具有一套高效
、
准确知识问答体系是非常重要的，可以帮助解决煤气化炉的各种问题，例如如何设计
、
操作和维护这类装置
。
[0003]目前煤气化炉的知识问答主要依赖于专家经验和传统的监督学习方式来构建，专家经验往往是个人特有的，如果某位专家离职或者退休，那他的经验就会丢失
。
而传统的监督学习方法需要大量的人工标注数据，这些数据通常是由专家或者领域内人士手动收集和标注，因此这种方式工作量较大
、
实现难度高
、
数据的全面性和灵活性都较低，且成本很高
。
而且传统的监督学习对于边缘情况往往不够灵活，当遇到新的问题
、
新的知识时，系统可能无法回答问题
。

技术实现思路

[0004]本申请人针对上述问题及技术需求，提出了一种基于无监督学习的煤气化炉知识问答系统，本申请的技术方案如下：
[0005]一种基于无监督学习的煤气化炉知识问答系统，该煤气化炉知识问答系统包括知识平台：
[0006]知识平台用于对获取到的煤气化炉的原始领域数据进行知识抽取得到若干个煤矿实体及煤矿实体之间的实体关系，并使用大语言模型对不同煤矿实体及其之间的实体关系进行知识加工，得到煤气化炉知识图谱；
[0007]煤气化炉知识问答系统基于煤气化炉知识图谱提供针对煤气化炉的知识提问的答复信息
。
[0008]其进一步的技术方案为，煤气化炉知识问答系统还包括：
[0009]应用层，用于获取知识提问，并展示针对知识提问的答复信息；
[0010]图谱引擎，用于从煤气化炉知识图谱定位与知识提问对应的目标煤矿实体及其实体关系，并形成针对知识提问的答复信息反馈给应用层
。
[0011]其进一步的技术方案为，图谱引擎形成针对知识提问的答复信息包括：
[0012]利用自然语言理解技术对接收到的知识提问进行文本解析，确定知识提问包括的查询关键词；
[0013]在煤气化炉知识图谱中识别与查询关键词匹配的子图，子图包括煤气化炉知识图谱中的部分煤矿实体及煤矿实体之间的实体关系；并按照预定排序规则对子图进行排序，并输出排序结果最优的煤矿实体及煤矿实体之间的实体关系作为与知识提问对应的目标
煤矿实体及其实体关系，形成针对知识提问的答复信息
。
[0014]其进一步的技术方案为，图谱引擎形成针对知识提问的答复信息还包括：
[0015]利用自然语言理解技术对接收到的知识提问进行文本解析为若干个存在逻辑嵌套关系的子提问，并确定每个子提问包括的查询关键词；
[0016]基于煤气化炉知识图谱根据逻辑嵌套关系最上层的子提问的查询关键词确定逻辑嵌套关系最上层的子提问的答复信息，还基于煤气化炉知识图谱根据每个子提问的查询关键词及其逻辑嵌套关系上层的子提问的答复信息，得到子提问的答复信息
。
[0017]其进一步的技术方案为，知识平台对获取到的煤气化炉的原始领域数据进行关系提取和实体识别得到若干个初始实体及初始实体之间的实体关系，然后对提取到的初始实体进行实体消歧和指代消解，将多个语义相同的初始实体合并，将多个有上下级关联共指的初始实体进行消解，融合得到若干个煤矿实体及煤矿实体之间的实体关系
。
[0018]其进一步的技术方案为，煤气化炉的原始领域数据包括网页信息以及技术资料；
[0019]知识平台对获取到的煤气化炉的原始领域数据进行关系提取和实体识别得到若干个初始实体及初始实体之间的实体关系，包括：
[0020]对网页信息进行互联网数据爬取以完成实体识别得到初始实体；
[0021]对技术资料进行数据解析完成关系提取和实体识别得到若干个初始实体及初始实体之间的实体关系
。
[0022]其进一步的技术方案为，技术资料包括结构化数据
、
半结构化数据和非结构化数据，知识平台对技术资料进行数据解析包括：
[0023]对结构化数据进行
D2R
映射，对煤气化炉的原始领域数据中的半结构化数据和非结构化数据进行
KBP
映射，识别得到初始实体，并提取得到初始实体对应的数据之间的语义关系和时空关系，使用分类模型对提取到的数据之间的语义关系和时空关系分类到预设的关系类别，映射得到初始实体之间的实体关系
。
[0024]其进一步的技术方案为，提取得到初始实体对应的数据之间的语义关系和时空关系包括：
[0025]按照预设模板提取技术资料中的数据之间的语义关系和时空关系，并对技术资料进行特征提取以挖掘得到技术资料中的数据之间的语义关系和时空关系
。
[0026]其进一步的技术方案为，知识平台定期根据新获取到的煤气化炉的原始领域数据对煤矿实体及煤矿实体之间的实体关系进行更新，实现对煤气化炉知识图谱的动态更新
。
[0027]其进一步的技术方案为，煤气化炉的原始领域数据的数据内容包括煤矿行业信息
、
安全生产信息数据和煤气化炉标准化技术资料，煤气化炉标准化技术资料包括安全规程
、
行业标准
、
质量标准化技术资料以及煤气化炉技术参数
。
[0028]本申请的有益技术效果是：
[0029]本申请公开了一种基于无监督学习的煤气化炉知识问答系统，该系统中的知识平台能够从大量的文本形式的煤气化炉的原始领域数据中自动学习出与煤气化炉相关的关键词和概念从而形成煤气化炉知识图谱，为煤气化炉知识问答提供知识支持，不需要人工标注数据，由于这种无监督学习方法能够自动从数据中学习，因此可以实现自动化程度高
、
效率高的知识问答
。
[0030]该煤气化炉知识问答系统还具有自然语言处理能力强的有点，能够准确理解用户
的意图并基于煤气化炉知识图谱提供准确的答案，且可以快速适应新的文本数据，使得该煤气化炉知识问答系统能够不断更新煤气化炉知识图谱，以提高问答质量
。
附图说明
[0031]图1是本申请一个实施例的煤气化炉知识问答系统的系统架构图
。
[0032]图2是本申请一个实施例中知识平台构建煤气化炉知识图谱的流程示意图
。
具体实施方式
[0033]下面结合附图对本申请的具体实施方式做进一步说明
。
[0034]本申请公开了一种基于无监督学习的煤气化炉知识问答系统，请参考图1所示的架构，该煤气化炉知识问答系统包括从底层至顶层的知识平台
、...

【技术保护点】

【技术特征摘要】
1.
一种基于无监督学习的煤气化炉知识问答系统，其特征在于，所述煤气化炉知识问答系统包括知识平台：所述知识平台用于对获取到的煤气化炉的原始领域数据进行知识抽取得到若干个煤矿实体及煤矿实体之间的实体关系，并使用大语言模型对不同煤矿实体及其之间的实体关系进行知识加工，得到煤气化炉知识图谱；所述煤气化炉知识问答系统基于所述煤气化炉知识图谱提供针对煤气化炉的知识提问的答复信息
。2.
根据权利要求1所述的煤气化炉知识问答系统，其特征在于，所述煤气化炉知识问答系统还包括：应用层，用于获取知识提问，并展示针对所述知识提问的答复信息；图谱引擎，用于从所述煤气化炉知识图谱定位与所述知识提问对应的目标煤矿实体及其实体关系，并形成针对所述知识提问的答复信息反馈给所述应用层
。3.
根据权利要求2所述的煤气化炉知识问答系统，其特征在于，所述图谱引擎形成针对所述知识提问的答复信息包括：利用自然语言理解技术对接收到的知识提问进行文本解析，确定所述知识提问包括的查询关键词；在所述煤气化炉知识图谱中识别与所述查询关键词匹配的子图，所述子图包括所述煤气化炉知识图谱中的部分煤矿实体及煤矿实体之间的实体关系；并按照预定排序规则对所述子图进行排序，并输出排序结果最优的煤矿实体及煤矿实体之间的实体关系作为与所述知识提问对应的目标煤矿实体及其实体关系，形成针对所述知识提问的答复信息
。4.
根据权利要求3所述的煤气化炉知识问答系统，其特征在于，所述图谱引擎形成针对所述知识提问的答复信息还包括：利用自然语言理解技术对接收到的知识提问进行文本解析为若干个存在逻辑嵌套关系的子提问，并确定每个子提问包括的查询关键词；基于所述煤气化炉知识图谱根据逻辑嵌套关系最上层的子提问的查询关键词确定逻辑嵌套关系最上层的子提问的答复信息，还基于所述煤气化炉知识图谱根据每个子提问的查询关键词及其逻辑嵌套关系上层的子提问的答复信息，得到所述子提问的答复信息
。5.
根据权利要求1所述的煤气化炉知识问答系统，其特征在于，所述知识平台对获取到的煤气化炉的原始领域数据进行关系提取和实体识别得到若干个初始实体及初始实体之间的实体关系，然后对提取到的初始实体进行实体消歧和指代消解，将多个语义相同...

【专利技术属性】
技术研发人员：梁新乐，郑锦泉，辛伟，朱博瀚，
申请(专利权)人：无锡雪浪数制科技有限公司，
类型：发明
国别省市：