融合知識圖譜與大語言模型的科技文獻復雜知識對象抽取研究

打開文本圖片集

摘 要： ［目的／ 意義］ 科技文獻復雜知識對象對科技文獻中的深度知識內(nèi)容進行細粒度、 全面的知識表示，可有效支撐數(shù)智驅(qū)動的科學發(fā)現(xiàn)與知識發(fā)現(xiàn)， 是重要的科技創(chuàng)新要素。 ［方法／ 過程］ 首先， 通過輕量級本體構(gòu)建、 ＢＲＡＴ 知識標注和 Ｎｅｏ４ｊ 知識存儲等步驟實現(xiàn)領(lǐng)域知識圖譜構(gòu)建， 其次， 本地化部署大語言模型 ＣｈａｔＧＬＭ２－６Ｂ 并通過低秩適應（Ｌｏｗ－Ｒａｎｋ Ａｄａｐｔａｔｉｏｎ， ＬｏＲＡ）技術(shù)微調(diào)模型， 最后基于思維記憶（Ｍｅｍｏｒｙ ｏｆ Ｔｈｏｕｇｈｔｓ， ＭＯＴ）機制將知識圖譜中的復雜知識注入提示中， 通過與大語言模型的多輪問答從科技文獻中抽取出復雜知識對象。（剩余5927字）