大语言模型驱动的桥梁管养领域知识图谱表示学习方法技术

本发明专利技术属于智能知识图谱技术领域，尤其涉及一种大语言模型驱动的桥梁管养领域知识图谱表示学习方法。本方法建立在大语言模型的文本编码能力基础之上，结合图神经网络的图结构编码能力，融合本体中丰富的复杂语义信息、异质属性信息、描述文本信息以及图谱中的图结构信息，使得实体和属性的嵌入结果能够包含更加丰富的语义信息，增强其泛化能力，更好的用于领域知识图谱补全等许多下游任务。与现有技术相比，本方法能够在充分考虑知识图谱结构信息的基础上，通过大语言模型利用OWL本体中的复杂语义信息以及文本信息，实现有效处理未见过的实体的和长尾关系，有助于桥梁管养领域知识图谱的自动化维护与补全，减少人力物力的消耗。

【技术实现步骤摘要】

本专利技术属于智能知识图谱，尤其涉及一种大语言模型驱动的桥梁管养领域知识图谱表示学习方法。

技术介绍

1、近年来，桥梁的安全运营一直是桥梁工程界关注的焦点。为了有效检测结构缺陷，人们开展了多项桥梁管理和维护活动，如结构健康监测。与此同时，与这些活动相关的大规模数据也已积累起来。例如，桥梁的基本信息、电子检测报告以及桥梁技术状况的评估结果都已存储在各种桥梁管理信息系统中。

2、大数据时代的到来，推动了以专家知识为核心的知识工程向以数据驱动为核心的大数据知识工程的转变，知识图谱正是这一新型知识工程的典型代表。许多领域知识图谱存储了大量特定领域的数据信息，例如桥梁管养领域知识图谱中存储了桥梁的基本信息、健康监测信息以及检测信息等，用于智能化桥梁管养。然而，现有知识图谱都存在不同程度的信息缺失，难以通过人工进行维护，特别是当数据量达到一定程度时。为解决知识图谱构建欠完整性问题，实现知识图谱自动补全，需要借助知识图谱表示学习(以下简称为表示学习)与链接预测。

3、领域知识图谱(例如桥梁管养领域)通常基于owl(web ontology lan本文档来自技高网...

【技术保护点】

1.大语言模型驱动的桥梁管养领域知识图谱表示学习方法，其特征在于，包括以下步骤：

2.如权利要求1所述的大语言模型驱动的桥梁管养领域知识图谱表示学习方法，其特征在于：S3中，将实体序列中的实例映射为对应的描述文本时，使用包含最多语义信息的标注属性作为实体文本代表；如果一个实体没有标注属性，则直接采用该实体URI中包含语义信息的词语代表当前实体。

3.如权利要求1所述的大语言模型驱动的桥梁管养领域知识图谱表示学习方法，其特征在于：所述图结构编码器为基于RAGAT图神经网络的图结构编码器。

4.如权利要求3所述的大语言模型驱动的桥梁管养领域知识图谱表示学习...

【技术特征摘要】

1.大语言模型驱动的桥梁管养领域知识图谱表示学习方法，其特征在于，包括以下步骤：

2.如权利要求1所述的大语言模型驱动的桥梁管养领域知识图谱表示学习方法，其特征在于：s3中，将实体序列中的实例映射为对应的描述文本时，使用包含最多语义信息的标注属性作为实体文本代表；如果一个实体没有标注属性，则直接采用该实体uri中包含语义信息的词语代表当前实体。

3.如权利要求1所述的大语言模型驱动的桥梁管养领域知识图谱表示学习方法，其特征在于：所述图结构编码器为基于ragat图神经网络的图结构编码器。

4.如权利要求3所述的大语言模型驱动的桥梁管养领域知识图谱表示学习方法，其特征在于：s4中，图结构编码器对整体rdf图进行图结构编码的过程包括：

5.如权利要求4所述的大语言模型驱动的桥梁管养领域知识图谱表示学习方法，其特征在于：通过ragat对属性集合及三元组集合进行扩展时，扩展关系包括逆关系以及自循环关系；

6.如权利要求1所述的大语言模型驱动的桥梁管养领...

【专利技术属性】
技术研发人员：杨建喜，谢江村，李韧，蒋仕新，杨小霞，肖桥，周曦，温浩，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：