基于大语言模型与知识图谱的故障问答方法

本发明公开了一种基于大语言模型与知识图谱的故障问答方法，主要解决现有技术在复杂场景下语义理解不足、知识更新滞后、跨模态数据整合能力较弱的问题。其实现步骤为：1）搜集多种类型数据源，从中提取实体、属性，并构建二者相互关系；2）对数据进行预处理，建立知识图谱；3）接收用户提问，并对文本进行分词处理；4）利用文本分类网络获取每个分词对应的类型，查找故障现象并获取其相似故障现象；5）基于知识图谱和大语言模型分别获取答案；6）根据用户对两种答案的反馈决定是否将大语言模型答案补入知识图谱。本发明能够有效改善知识更新滞后、语义理解不足的情况，显著提升系统在多源异构数据环境下的故障诊断准确率与鲁棒性。