摘要
本发明提供了基于时序图与大模型联合推演的风险传导预测方法及系统,涉及人工智能与知识工程技术领域,包括:基于分层提示词与结构化约束机制抽取前瞻性时序事实;提取冲突事并生成时序关系;基于时序关系以及置信度加权的更新策略对历史时序知识图谱进行更新;确定中心实体,以中心实体为起点,向更新的历史时序知识图谱发起结构化查询,生成上下文知识子图;将上下文知识子图转换为带有逻辑关系的自然语言描述,注入风险假设性事件,构建提示词作为大模型的新的输入,输出得到包含完整推理链条的结构化JSON对象;基于影响权重衰减的风险路径提炼与可视化算法对结构化JSON对象进行转换,得到风险预警信息和可视化传导路径图。
技术关键词
时序
自然语言
风险
可视化算法
序列化方法
实体
格式化
关系
知识工程技术
知识图谱管理
对象
异构
广度优先遍历
事件主体
格式模板
链条
大语言模型
策略
数据
系统为您推荐了相关专利信息
大语言模型
数据分析工具
数据分析方法
序列
逻辑
滑动窗口
交换机系统
分布式拒绝服务攻击检测
机器学习模型
动态
体外诊断试剂盒
非人灵长类
肠道菌群标志物
检测肠道
研究奠定基础
消费管理方法
账户
IC卡
消费管理系统
认证机制