CN118332092B 基于大语言模型技术的建筑业安全问答方法和设备 （清华大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118332092B(45)授权公告日2025.07.04

(21)申请号202410733393.0

(22)申请日2024.06.07

(65)同一申请的已公布的文献号申请公布号CN118332092A

(43)申请公布日2024.07.12

GO6F

GO6F

GO6N

GO6N

GO6N

GO6F

16/36(2019.01)

16/3331(2025.01)

3/0442(2023.01)

3/045(2023.01)

3/0895(2023.01)18/24(2023.01)

(73)专利权人清华大学

地址100084北京市海淀区清华园

(72)发明人方东平古博韬王丽颖黄玥诚杨乐郭红领

(74)专利代理机构北京路浩知识产权代理有限公司11002

专利代理师吴欢燕

(56)对比文件

CN117633252A,2024.03.01审查员谢小诗

(51)Int.CI.

GO6F16/3329(2025.01)

GO6N5/02(2023.01)权利要求书2页说明书16页附图3页

(54)发明名称

基于大语言模型技术的建筑业安全问答方法和设备

(57)摘要

CN118332092B本发明实施例公开了一种基于大语言模型技术的建筑业安全问答方法和设备，其中，方法包括：获取待回答的问题，并利用大语言模型判断所述问题的类型；如果所述问题属于规则查询类问题：将所述问题向量化，并在向量库中检索最相似的知识片段，提示大语言模型根据所述知识片段作答；如果所述问题属于事故/隐患探询类问题：将所述问题向量化，并在向量库中检索最相似的知识片段；抽取所述问题中的实体和实体关系，并在知识图谱中检索与所述实体和实体关系相关的子图谱；提示大语言模型根据所述知识片段和子图谱作答。本实施例能够针对建筑安

CN118332092B

获取待回答的问题，并利用大语言模型判断

获取待回答的问题，并利用大语言模型判断所述问题的类型

根据问题类型，在所述向量库和知识图谱中检索与问题相关的知识，用于大语言模型提供回答

提示大语言模型根据所述相关的进行回答

S110

S120

S130

CN118332092B权利要求书1/2页

2

1.一种基于大语言模型技术的建筑业安全问答方法，其特征在于，包括：

获取待回答的问题，并利用大语言模型判断所述问题的类型；问题类型包括规则查询类问题和事故/隐患探询类问题，其中，规则查询类问题指规章、制度、手册文件中有明确说明的问题，事故/隐患探询类问题指不能完全反映在规章制度文件中的、需要分析事故报告文本的复杂查询；

如果所述问题属于规则查询类问题：将所述问题向量化，并在向量库中检索最相似的知识片段，提示大语言模型根据所述知识片段作答；

如果所述问题属于事故/隐患探询类问题：将所述问题向量化，并在向量库中检索最相似的知识片段；同时，抽取所述问题中的实体和实体关系，并在知识图谱中检索与所述实体和实体关系相关的子图谱；提示大语言模型根据所述知识片段和子图谱作答；

其中，所述向量库根据建筑安全管理文档构建，所述知识图谱根据历史建筑安全事故报告构建；

根据建筑安全管理文档构建向量库的步骤包括：准备建筑安全管理文档数据并存储，对文档进行预处理和分段，对切分后的文本分段进行向量化，存储向量数据；相应的，在向量库中检索到的知识片段为建筑安全管理文档中的某个文本分段。

2.根据权利要求1所述的方法，其特征在于，所述利用大语言模型判断所述问题的类型，包括：

向大语言模型说明规则查询类问题和事故/隐患探询类问题的特征；

提示大语言模型根据所述特征判断所述问题的类型。

3.根据权利要求1所述的方法，其特征在于，所述建筑安全管理文档包括法律法规、国家标准、行业规范、企业手册和专家指南中的至少之一；

实体包括以事故类型、事故发生位置、作业环节、责任主体、事故致因、防范和整改措施中的至少一类；

实体关系包括因果关系。

4.根据权利要求1所述的方法，其特征在于，在所述抽取所述问题中的实体和实体关系之前，还包括：

对历史建筑安全事故报告中的部分数据进行实体和实体关系标注，其中，所