一种基于知识图谱和大模型的数据异常诊断方法及系统

本发明公开了一种基于知识图谱和大模型的数据异常诊断方法及系统。该方法通过获取并预处理包括结构化数据库记录、半结构化技术文档和非结构化专家经验描述在内的多源数据，建立包含实体、关系和属性层次的知识图谱，并利用该知识图谱对大语言模型进行领域适应训练，构建分层推理框架实现数据异常的识别、诊断和解决方案生成。本发明解决了传统数据异常诊断方法知识表示不统一、诊断能力有限、推理逻辑单一等技术问题，具有以下优点：实现了多源异构数据的统一表示和存储；通过知识注入提升了大语言模型的领域理解能力；采用分层推理框架提高了异常诊断的准确性和效率；支持经验积累和持续优化，具有较强的实用性和扩展性。