融合大语言模型与知识图谱的物料数据清洗方法及系统技术方案

本发明专利技术属于数据治理技术领域。提出了一种融合大语言模型与知识图谱的物料数据清洗方法及系统，知识图谱以结构化三元组形式存储企业物料分类体系、术语定义、质量规则等核心知识，为清洗操作提供明确的标准依据，为大语言模型提供精准的结构化知识锚点与标准化约束，有效抑制大语言模型的幻觉，确保输出的内容符合行业规范；大语言模型为知识图谱注入强大的自然语言理解、模糊语义解析和非结构化信息抽取能力，弥补知识图谱在灵活性上的不足，两者深度融合，共同解决理解文本语义是什么与判断语义是否符合标准对不对的关键问题，提高了物料数据清洗的精度。

【技术实现步骤摘要】

本专利技术涉及数据治理，具体涉及一种融合大语言模型与知识图谱的物料数据清洗方法及系统。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。

2、制造业数字化转型中，物料主数据作为生产、采购、库存管理的核心基础，其质量直接影响企业运营效率。目前行业内主数据清洗主要依赖三类方案：一是人工校验，通过专业人员核对特征项与特征值，效率低且易受主观因素影响；二是规则引擎，基于预设规则（如正则表达式）识别错误，但难以覆盖多样化的非标准描述；三是单一ai技术应用，如仅用大模型处理文本（易产生不符合行业标准的输出）或仅用知识图谱（难以处理模糊语义）。

3、上述主数据清洗方式还存在如下问题：（1）语义模糊与歧义解析困难，传统规则引擎无法有效解析物料描述中存在的术语冲突（如“冷轧板”和“冷硬板”）、模糊表述（如“约5cm钢管”）及上下文依赖语义，导致清洗错误或遗漏；（2）隐性关联知识难以进行捕获和应用，物料间复杂的配套、替代、部件关系（如密封圈与轴承的配套）难以转化为显性清洗规则，导致数据关联性丢失，影响主数据完整性本文档来自技高网...

【技术保护点】

1.一种融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，包括以下过程：

2.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

3.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

4.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

5.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

6.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

7.如权利要求1所述的融合大语言模型与知识...

【技术特征摘要】

1.一种融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，包括以下过程：

2.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

3.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

4.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

5.如权利要求1所述的融合大语言模型与知识图谱的物料数据清洗方法，其特征在于，

【专利技术属性】
技术研发人员：柳庆涛，李士龙，刘国梁，李腾，杨振，仝伟，
申请(专利权)人：浪潮通用软件有限公司，
类型：发明
国别省市：