融合知識(shí)圖譜與大語言模型的科技文獻(xiàn)復(fù)雜知識(shí)對象抽取研究

打開文本圖片集

摘 要： ［目的／ 意義］ 科技文獻(xiàn)復(fù)雜知識(shí)對象對科技文獻(xiàn)中的深度知識(shí)內(nèi)容進(jìn)行細(xì)粒度、 全面的知識(shí)表示，可有效支撐數(shù)智驅(qū)動(dòng)的科學(xué)發(fā)現(xiàn)與知識(shí)發(fā)現(xiàn)， 是重要的科技創(chuàng)新要素。 ［方法／ 過程］ 首先， 通過輕量級(jí)本體構(gòu)建、 ＢＲＡＴ 知識(shí)標(biāo)注和 Ｎｅｏ４ｊ 知識(shí)存儲(chǔ)等步驟實(shí)現(xiàn)領(lǐng)域知識(shí)圖譜構(gòu)建， 其次， 本地化部署大語言模型 ＣｈａｔＧＬＭ２－６Ｂ 并通過低秩適應(yīng)（Ｌｏｗ－Ｒａｎｋ Ａｄａｐｔａｔｉｏｎ， ＬｏＲＡ）技術(shù)微調(diào)模型， 最后基于思維記憶（Ｍｅｍｏｒｙ ｏｆ Ｔｈｏｕｇｈｔｓ， ＭＯＴ）機(jī)制將知識(shí)圖譜中的復(fù)雜知識(shí)注入提示中， 通過與大語言模型的多輪問答從科技文獻(xiàn)中抽取出復(fù)雜知識(shí)對象。（剩余5927字）