融合知识图谱与大语言模型的科技文献复杂知识对象抽取研究

打开文本图片集

摘 要： ［目的／ 意义］ 科技文献复杂知识对象对科技文献中的深度知识内容进行细粒度、 全面的知识表示，可有效支撑数智驱动的科学发现与知识发现， 是重要的科技创新要素。 ［方法／ 过程］ 首先， 通过轻量级本体构建、 ＢＲＡＴ 知识标注和 Ｎｅｏ４ｊ 知识存储等步骤实现领域知识图谱构建， 其次， 本地化部署大语言模型 ＣｈａｔＧＬＭ２－６Ｂ 并通过低秩适应（Ｌｏｗ－Ｒａｎｋ Ａｄａｐｔａｔｉｏｎ， ＬｏＲＡ）技术微调模型， 最后基于思维记忆（Ｍｅｍｏｒｙ ｏｆ Ｔｈｏｕｇｈｔｓ， ＭＯＴ）机制将知识图谱中的复杂知识注入提示中， 通过与大语言模型的多轮问答从科技文献中抽取出复杂知识对象。（剩余5927字）