摘要
本发明属于知识图谱构建技术领域,公开一种基于时序动态感知与大语言模型的供应链知识图谱构建方法。构建时序动态感知模型,对历史时间窗口内每个子图的实体和关系分别生成时间敏感的嵌入矩阵;将时间敏感的嵌入矩阵输入聚合器中进一步挖掘实体和关系的结构和语义信息;建立自回归模型学习子图在时间序列中的依赖关系,生成时序演化表示;将时序演化表示输入预训练大语言模型中,生成候选实体或候选关系以补全事实四元组,更新当前时间戳的子图序列。本发明所述的方法,在保留通用语义理解能力的同时适配供应链领域知识,实现了动态演化建模、长周期依赖捕获与领域知识高效利用的平衡,以确保构建结果的可靠性与可解释性。
技术关键词
知识图谱构建方法
大语言模型
时序
关系
矩阵
序列
动态
知识图谱构建技术
邻居
神经网络模型
知识图谱补全
模块
带时间
门控循环单元
挖掘实体
标量乘法
语义
因子
系统为您推荐了相关专利信息
机械系统动力学
虚拟调试方法
数字孪生模型
矩阵
传动链
电池组健康状态
智能诊断模型
历史运行数据
演化特征
深度神经网络模型
复合材料自动铺丝成型
模糊神经网络
深度强化学习
动态
生成智能