融合知识图谱与大语言模型的储能领域知识推荐研究.pdfVIP

第２５卷第１期南京工程学院学报(社会科学版)Ｖｏｌ.２５ꎬＮｏ.１

８２南京工程学院学报(社会科学版)２０２５年３月

２０２５年３月ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ(ＳｏｃｉａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｍａｒ.ꎬ２０２５

ｄｏｉ:１０.１３９６０/ｊ.ｉｓｓｎ.２０９６２３８Ｘ.２０２５.０１.０１２投稿网址:ｈｔｔｐｓ://ｘｂ.ｎｊｉｔ.ｅｄｕ.ｃｎ

融合知识图谱与大语言模型的储能领域知识

推荐研究

１２１１１

徐浩ꎬ康振渊ꎬ张焱ꎬ金卫健ꎬ华崇基

(１.南京工程学院管理工程学院ꎬ江苏南京ꎬ２１１１６７ꎻ

２.南京工程学院电力工程学院、沈国荣学院ꎬ江苏南京ꎬ２１１１６７)

摘要:“双碳”目标对储能领域的高质量发展提出了更高要求ꎬ亟待对储能相关领域的知识开展充分的挖掘与利

用ꎬ开展面向特定场景的精准知识推荐服务ꎮ本研究提出了一种融合大语言模型与知识图谱的储能知识推荐方

案:兼顾储能领域专利的可获得性及权威性确定数据来源ꎬ从元数据及文本细粒度两个维度出发将储能领域的实

体划分为８种类型ꎬ通过实验对比多种机器学习模型ꎬ选取最优模型完成实体抽取任务ꎬ基于实体关系模版生成三

元组实现储能领域知识图谱的构建ꎻ构建普通问答、专利推荐和知识组合推荐３种回答策略ꎬ借助大语言模型的强

大语义理解与生成能力ꎬ自动化地从知识图谱中获取与用户问题相关的信息ꎬ完成领域知识的精准推荐任务ꎮ超

导储能领域的实证研究结果表明ꎬ本研究所构建的方法在单目标推荐、双目标推荐、知识组合推荐及混合推荐４类

任务上均优于传统的ＬＬＭ￣ＫＢ方法ꎬ在ＲＯＵＧＥ￣Ｌ和ＢＬＥＵ￣４指标上相较于传统的ＬＬＭ￣ＫＢ方法分别提升了

２０４７％和１６５７％ꎮ本研究融合知识图谱与大语言模型技术为储能领域知识精准推荐提供了新的思路ꎬ提升了用

户获取高质量知识的效率与效果ꎮ

关键词:生成式人工智能ꎻ大语言模型ꎻ储能领域ꎻ知识图谱ꎻ知识精准推荐

中图分类号:ＴＰ３９１ꎻＧ２０３

实现“双碳”目标离不开可再生能源的广泛应能够通过自然语言响应用户的问题ꎬ生成与人类创

[５]

用ꎬ为了提升其消纳能力ꎬ世界各国加速了储能技作内容相似的答案ꎬ将其赋能于知识推荐不仅可

[１]以提升推荐服务的交互质量ꎬ还能为探索前沿技术

术的发展和应用ꎮ这一趋势对储能领域创新知

识的消化和应用提出了更高的需求ꎬ深入理解并掌及多学科交叉研究提供有力支持ꎬ有助于储能领域

握不同储能技术的发展ꎬ实现多种技术之间的协调产品的技术进步与落地应用ꎮ

与组合ꎬ是有效应对复杂国际竞争形势的前提ꎬ有本研究提出了一种基于生成式人工智能的储

[２]能知识推荐方案ꎬ该方案融合知识图谱技术ꎬ提升

利于推动储能产业的持续发展ꎮ作为技术创新

成果的重要载体ꎬ专利能够直观反映储能技术的研ＬＬＭ生成回答的质量ꎬ并通过ＬＬＭ增强了人机交

[３]