本發(fā)明涉及人工智能，尤其涉及一種基于大模型的知識抽取方法、裝置、設(shè)備和介質(zhì)。

背景技術(shù)：

1、知識圖譜(knowledge?graph,kg)在現(xiàn)代信息系統(tǒng)中具有廣泛的應(yīng)用，包括但不限于搜索引擎、社交媒體和電商等傳統(tǒng)領(lǐng)域，同時(shí)也逐步擴(kuò)展到金融、醫(yī)療、教育等多個(gè)行業(yè)。知識圖譜是由頭實(shí)體、尾實(shí)體和它們之間的關(guān)系三部分組成的知識庫，從非結(jié)構(gòu)化數(shù)據(jù)中提取這些知識是構(gòu)建知識圖譜的重要基礎(chǔ)。當(dāng)前，知識圖譜在各種應(yīng)用場景中展現(xiàn)出其強(qiáng)大的組織和關(guān)聯(lián)能力，能夠顯著提升信息檢索、推薦系統(tǒng)以及智能問答等任務(wù)的性能。

2、目前常用的知識抽取方法依賴于大量標(biāo)注數(shù)據(jù)，利用深度學(xué)習(xí)算法實(shí)現(xiàn)抽取，即給定需要抽取的實(shí)體和關(guān)系類型，通過監(jiān)督學(xué)習(xí)訓(xùn)練模型，得到具體的實(shí)體和關(guān)系。例如，實(shí)體提取的經(jīng)典算法是bilstm+crf(雙向長短期記憶網(wǎng)絡(luò)加條件隨機(jī)場)，關(guān)系提取的代表性算法包括卷積神經(jīng)網(wǎng)絡(luò)(cnn)。這些方法雖然在一定程度上提高了知識抽取的自動化水平，但其嚴(yán)重依賴于大量的人工標(biāo)注，勞動強(qiáng)度大，而且在針對垂直領(lǐng)域時(shí)，需要領(lǐng)域?qū)I(yè)知識，這進(jìn)一步增加了標(biāo)注過程的復(fù)雜度。雖然目前已有遠(yuǎn)程監(jiān)督、遷移學(xué)習(xí)等方法來緩解標(biāo)注數(shù)據(jù)有限的問題，但這些方法對于特定的垂直領(lǐng)域而言效果并不完美。因此，特定領(lǐng)域知識圖譜的推進(jìn)很大程度上依賴于行業(yè)專家的參與，而數(shù)據(jù)標(biāo)注成為其進(jìn)步的重大障礙。

技術(shù)實(shí)現(xiàn)思路

1、為了解決依賴于大量標(biāo)注數(shù)據(jù)進(jìn)行知識抽取的技術(shù)問題，本發(fā)明提供了一種基于大模型的知識抽取方法、裝置、設(shè)備和介質(zhì)。

2、第一方面，本發(fā)明提供了一種基于大模型的知識抽取方法，所述方法包括：

3、獲取預(yù)設(shè)領(lǐng)域的本體，所述本體包括多個(gè)知識表示，所述知識表示中包括所述預(yù)設(shè)領(lǐng)域的實(shí)體類型和關(guān)系類型；

4、通過思維鏈cot提示、所述預(yù)設(shè)領(lǐng)域的自然語言文本和本體，對大模型進(jìn)行調(diào)整修正；

5、依據(jù)所述cot提示，通過所述大模型對所述預(yù)設(shè)領(lǐng)域的待抽取文本進(jìn)行識別，得到所述待抽取文本的三元組信息。

6、基于上述技術(shù)方案，進(jìn)一步地，所述通過思維鏈cot提示、所述預(yù)設(shè)領(lǐng)域的自然語言文本和本體，對大模型進(jìn)行調(diào)整修正，包括：

7、將所述預(yù)設(shè)領(lǐng)域的自然語言文本輸入所述大模型中，利用所述cot提示，逐步識別所述預(yù)設(shè)領(lǐng)域的自然語文文本中的實(shí)體和實(shí)體關(guān)系；

8、將識別到的所述預(yù)設(shè)領(lǐng)域的自然語文文本中的實(shí)體和實(shí)體關(guān)系和所述預(yù)設(shè)領(lǐng)域的本體進(jìn)行比對對齊；

9、根據(jù)比對對齊結(jié)果，指導(dǎo)所述大模型進(jìn)行修正。

10、基于上述技術(shù)方案，進(jìn)一步地，所述將所述預(yù)設(shè)領(lǐng)域的自然語言文本輸入所述大模型中，利用所述cot提示，逐步識別所述預(yù)設(shè)領(lǐng)域的自然語文文本中的實(shí)體和實(shí)體關(guān)系，包括：

11、基于所述cot提示和所述預(yù)設(shè)領(lǐng)域的多個(gè)知識表示，將所述預(yù)設(shè)領(lǐng)域的示例輸入文本和示例輸出文本輸入所述大模型中，以使得所述大模型學(xué)會所述預(yù)設(shè)領(lǐng)域的三元組標(biāo)準(zhǔn)輸出格式；

12、利用所述預(yù)設(shè)領(lǐng)域的自然語言文本和推理步驟，得到所述預(yù)設(shè)領(lǐng)域的自然語言文本中的相關(guān)實(shí)體和關(guān)系。

13、基于上述技術(shù)方案，進(jìn)一步地，所述利用所述預(yù)設(shè)領(lǐng)域的自然語言文本和推理步驟，得到所述預(yù)設(shè)領(lǐng)域的自然語言文本中的相關(guān)實(shí)體和關(guān)系，具體包括：

14、將所述預(yù)設(shè)領(lǐng)域的自然語言文本輸入所述大模型；

15、依據(jù)推理步驟，所述大模型對所述預(yù)設(shè)領(lǐng)域的自然語言文本執(zhí)行對應(yīng)的操作，輸出所述預(yù)設(shè)領(lǐng)域的自然語言文本中的相關(guān)實(shí)體和關(guān)系。

16、基于上述技術(shù)方案，進(jìn)一步地，所述依據(jù)推理步驟，所述大模型對所述預(yù)設(shè)領(lǐng)域的自然語言文本執(zhí)行對應(yīng)的操作，輸出所述預(yù)設(shè)領(lǐng)域的自然語言文本中的相關(guān)實(shí)體和關(guān)系，包括：

17、依據(jù)所述引導(dǎo)詞中的推理步驟的順序詞和推理過程提示語句，所述大模型對所述預(yù)設(shè)領(lǐng)域的自然語文文本執(zhí)行處理后，輸出所述預(yù)設(shè)領(lǐng)域的自然語言文本中的相關(guān)實(shí)體和關(guān)系。

18、基于上述技術(shù)方案，進(jìn)一步地，所述依據(jù)所述cot提示，通過所述大模型對所述預(yù)設(shè)領(lǐng)域的待抽取文本進(jìn)行識別，得到所述待抽取文本的三元組信息，包括：

19、獲取所述預(yù)設(shè)領(lǐng)域的待抽取文本；

20、利用所述cot提示，獲取所述待抽取文本中的實(shí)體，再抽取所述待抽取文本中實(shí)體關(guān)系；

21、將所述待抽取文本中的實(shí)體和實(shí)體關(guān)系，與所述預(yù)設(shè)領(lǐng)域的本體進(jìn)行比對后，按照所述預(yù)設(shè)領(lǐng)域的三元組標(biāo)準(zhǔn)輸出格式輸出所述待抽取文本的三元組信息。

22、第二方面，本發(fā)明還提供了一種基于大模型的知識抽取裝置，所述裝置包括：

23、第一處理模塊，用于獲取預(yù)設(shè)領(lǐng)域的本體，所述本體包括多個(gè)知識表示，所述知識表示中包括所述預(yù)設(shè)領(lǐng)域的實(shí)體類型和關(guān)系類型；

24、第二處理模塊，用于通過思維鏈cot提示、所述預(yù)設(shè)領(lǐng)域的自然語言文本和本體，對大模型進(jìn)行調(diào)整修正；

25、第三處理模塊，用于依據(jù)所述cot提示，通過所述大模型對所述預(yù)設(shè)領(lǐng)域的待抽取文本進(jìn)行識別，得到所述待抽取文本的三元組信息。

26、基于上述技術(shù)方案，進(jìn)一步地，所述第二處理模塊，具體用于所述第二處理模塊，具體用于將所述預(yù)設(shè)領(lǐng)域的自然語言文本輸入所述大模型中，利用所述cot提示，逐步識別所述預(yù)設(shè)領(lǐng)域的自然語文文本中的實(shí)體和實(shí)體關(guān)系；

27、將識別到的所述預(yù)設(shè)領(lǐng)域的自然語文文本中的實(shí)體和實(shí)體關(guān)系和所述預(yù)設(shè)領(lǐng)域的本體進(jìn)行比對對齊；

28、根據(jù)比對對齊結(jié)果，指導(dǎo)所述大模型進(jìn)行修正。

29、基于上述技術(shù)方案，進(jìn)一步地，所述第二處理模塊，具體用于基于所述cot提示和所述預(yù)設(shè)領(lǐng)域的多個(gè)知識表示，將所述預(yù)設(shè)領(lǐng)域的示例輸入文本和示例輸出文本輸入所述大模型中，以使得所述大模型學(xué)會所述預(yù)設(shè)領(lǐng)域的三元組標(biāo)準(zhǔn)輸出格式；

30、利用所述預(yù)設(shè)領(lǐng)域的自然語言文本和推理步驟，得到所述預(yù)設(shè)領(lǐng)域的自然語言文本中的相關(guān)實(shí)體和關(guān)系。

31、基于上述技術(shù)方案，進(jìn)一步地，所述第二處理模塊，具體用于將所述預(yù)設(shè)領(lǐng)域的自然語言文本輸入所述大模型；

32、依據(jù)推理步驟，所述大模型對所述預(yù)設(shè)領(lǐng)域的自然語言文本執(zhí)行對應(yīng)的操作，輸出所述預(yù)設(shè)領(lǐng)域的自然語言文本中的相關(guān)實(shí)體和關(guān)系。

33、基于上述技術(shù)方案，進(jìn)一步地，所述第二處理模塊，具體用于依據(jù)所述引導(dǎo)詞中的推理步驟的順序詞和推理過程提示語句，所述大模型對所述預(yù)設(shè)領(lǐng)域的自然語文文本執(zhí)行處理后，輸出所述預(yù)設(shè)領(lǐng)域的自然語言文本中的相關(guān)實(shí)體和關(guān)系。

34、基于上述技術(shù)方案，進(jìn)一步地，所述第三處理模塊，具體用于獲取所述預(yù)設(shè)領(lǐng)域的待抽取文本；

35、利用所述cot提示，獲取所述待抽取文本中的實(shí)體，再抽取所述待抽取文本中實(shí)體關(guān)系；

36、將所述待抽取文本中的實(shí)體和實(shí)體關(guān)系，與所述預(yù)設(shè)領(lǐng)域的本體進(jìn)行比對后，按照所述預(yù)設(shè)領(lǐng)域的三元組標(biāo)準(zhǔn)輸出格式輸出所述待抽取文本的三元組信息。

37、第三方面，本發(fā)明還提供一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述技術(shù)方案中任一項(xiàng)所述的基于大模型的知識抽取方法。

38、第四方面，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述技術(shù)方案中任一項(xiàng)所述的基于大模型的知識抽取方法。

39、本發(fā)明提供的一種基于大模型的知識抽取方法，包括獲取預(yù)設(shè)領(lǐng)域的本體，所述本體包括多個(gè)知識表示，所述知識表示中包括所述預(yù)設(shè)領(lǐng)域的實(shí)體類型和關(guān)系類型；通過思維鏈cot提示、所述預(yù)設(shè)領(lǐng)域的自然語言文本和本體，對大模型進(jìn)行調(diào)整修正；依據(jù)所述cot提示，通過所述大模型對所述預(yù)設(shè)領(lǐng)域的待抽取文本進(jìn)行識別，得到所述待抽取文本的三元組信息。本發(fā)明顯著提升了三元組提取的準(zhǔn)確性和一致性，同時(shí)降低了對專家注釋的依賴，推動了知識圖譜構(gòu)建的自動化進(jìn)程。