一种基于大语言模型的时序知识图谱推理方法

本发明公开了一种基于大语言模型的时序知识图谱推理方法，利用嵌入模型对查询实体及关系进行向量化表示，结合邻接实体、关系和时间信息，生成包含结构特征和语义信息的向量；通过计算条件概率，从大规模实体集合中筛选出与查询最相关的候选实体集合；构建事件演化树，利用时间窗口内对查询实体及候选实体的邻接节点进行多跳采样，生成能完整反映历史事件演化路径的树状结构；设计结构化的提示模板，采用LoRA(低秩微调技术)对预训练大语言模型进行指令微调，使模型更好地遵循任务指令生成推理结果本发明通过融合嵌入模型和大语言模型的优势，结合事件演化树和指令微调技术，实现高效、准确的时序知识图谱推理。