基于大语言模型的工业知识图谱补全与自适应检索方法

本发明公开了基于大语言模型的工业知识图谱补全与自适应检索方法，属于计算机技术领域，将残缺知识图谱划分多个子图，通过负样本过滤、邻域信息剪枝、信息合并、问答模板映射以及构建知识图谱补全大模型并进行LoRA微调，补全知识图谱，通过自适应检索查询模块接收用户问题、任务分解、实体探索、关系探索、更新记忆子模块中的子图、推理路径和子目标状态，并评估性能输出查询结果，在反思与自我矫正中，当信息不足时，LLM会基于当前信息评估是否需要调整探索方向或修正推理路径，最终，根据检索到的信息输出满足用户需求的答案。本发明有效地结合了大语言模型的能力，通过自适应检索和反思机制，提高了知识图谱补全的效率和准确性。