原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
JournalofComputerApplicationsISSN1001⁃90812025⁃03⁃10
计算机应用,2025,45(3):785-793CODENJYIIDUhttp://www.joca.cn
文章编号：1001-9081（2025）03-0785-09DOI:10.11772/j.issn.1001-9081.2024050570
融合大语言模型和提示学习的数字孪生水利知识图谱构建
11，2*2，312，3，4
杨燕，叶枫，许栋，张雪洁，徐津
（1.河海大学计算机与软件学院，南京211100；2.水利部水循环与水动力系统重点实验室（河海大学），南京210024；
3.河海大学水利水电学院，南京210098；4.水灾害防御全国重点实验室（河海大学），南京210098）
（∗通信作者电子邮箱yefeng1022@hhu.edu.cn）
摘要：构建数字孪生水利建设知识图谱挖掘水利建设对象之间的潜在关系能够帮助相关人员优化水利建设设
计方案和决策。针对数字孪生水利建设的学科交叉和知识结构复杂的特性，以及通用知识抽取模型缺乏对水利领域
知识的学习和知识抽取精度不足等问题，为提高知识抽取的精度，提出一种基于大语言模型的数字孪生水利建设知
识抽取方法（DTKE-LLM）。该方法通过LangChain部署本地大语言模型（LLM）并集成数字孪生水利领域知识，基于提
示学习微调LLM，LLM利用语义理解和生成能力抽取知识，同时，设计异源实体对齐策略优化实体抽取结果。在水利
领域语料库上进行对比实验和消融实验，以验证所提方法的有效性。对比实验结果表明，相较于基于深度学习的双
向长短期记忆条件随机场（BiLSTM-CRF）命名实体识别模型和通用信息抽取模型UIE（UniversalInformation
Extraction），DTKE-LLM的精确率更优；消融实验结果表明，相较于ChatGLM2-6B（ChatGenerativeLanguageModel2.6
Billion），DTKE-LLM的实体抽取和关系抽取F1值分别提高了5.5和3.2个百分点。可见，该方法在保障知识图谱构建
质量的基础上，实现了数字孪生水利建设知识图谱的构建。
关键词：大语言模型；提示学习；知识图谱；知识抽取；数字孪生水利建设
中图分类号：TP391.1文献标志码：A
Constructionofdigitaltwinwaterconservancyknowledgegraphintegrating
largelanguagemodelandpromptlearning
11，2*2，312，3，4
YANGYan，YEFeng，XUDong，ZHANGXuejie，XUJin
（1.College
文档评论（0）