【技术实现步骤摘要】
本专利技术涉及知识图谱，尤其涉及一种基于大语言模型的知识图谱逻辑规则挖掘方法及系统。
技术介绍
1、知识是人类社会发展进步的基石，在大数据时代，从海量的信息中提取有价值知识的需求日益迫切。知识图谱作为结构化的动态信息源，对知识发现至关重要。例如，在现代军事领域，武器装备的先进性对国防安全和战略实施具有决定性影响，面对分散的武器装备数据，知识图谱通过本体构建实现数据整合与标准化，为分析和预测提供了新的视角。逻辑规则，作为知识图谱中频繁模式的集中表现，对人类社会和人工智能的发展具有重要意义。然而，早期知识图谱规则挖掘的方法多基于支持度，置信度等指标进行枚举，这在处理大规模知识图谱时效率较低，且效果不佳。为了提高规则挖掘的计算效率和模型的泛化能力，现有技术出现了多种改进方法，例如rlogic框架、ntp框架、ncrl框架等，以提升规则挖掘的效率和准确性。
2、在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
3、前述改进方法仍存在诸多不足，例如对知识图谱的语义信息利用不足、以及在逻辑规则挖掘过程的可解...
【技术保护点】
1.一种基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，包括：
2.如权利要求1所述的基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，所述三元组中包括两个实体以及实体关系，所述实体关系用于描述所述三元组中两个实体之间的关联；
3.如权利要求2所述的基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，所述通过大语言模型对所述样例逻辑规则进行推理和扩展，来获取最终逻辑规则，具体包括：
4.如权利要求3所述的基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，所述预设检验规则包括覆盖度和置信度；
5.如权利要求...
【技术特征摘要】
1.一种基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，包括：
2.如权利要求1所述的基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，所述三元组中包括两个实体以及实体关系，所述实体关系用于描述所述三元组中两个实体之间的关联；
3.如权利要求2所述的基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，所述通过大语言模型对所述样例逻辑规则进行推理和扩展，来获取最终逻辑规则，具体包括：
4.如权利要求3所述的基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，所述预设检验规则包括覆盖度和置信度；
5.如权利要求4所述的基于大语言模型的知识图谱逻辑规则挖掘方法，其特征在于，所述提示词中还包括上一次迭代过程得到的所述新逻辑规则的指标值。
6.一种基于大语言模型的知识图谱逻辑规则挖掘系统，其特征在于，包括：
7.如权利要求6所述的基于大语言模型的知识图谱逻辑规则挖掘系统，其特征在于，所述三元组中包括两个实体以及实体关系，所述实体关系用于描述所述三元组中两个实体之间的关联；
8.如权利要求7所述的基于大语言模型的知...
【专利技术属性】
技术研发人员：陈超，范长俊，程昊翔，黄魁华，黄金才，刘忠，刘世旋，石建迈，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。