本發(fā)明涉及數(shù)據(jù)處理，具體涉及一種基于大模型多智能體交互的知識圖譜構(gòu)建方法及系統(tǒng)。

背景技術(shù)：

1、知識圖譜是一種基于圖的數(shù)據(jù)結(jié)構(gòu)，由節(jié)點和邊組成，每個節(jié)點表示一個“實體”，每條邊為實體與實體之間的“關(guān)系”，知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)。實體指的可以是現(xiàn)實世界中的事物，比如人、地名、公司、電話、動物等，關(guān)系則用來表達(dá)不同實體之間的某種聯(lián)系。知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關(guān)系網(wǎng)絡(luò)，因此知識圖譜提供了從“關(guān)系”的角度去分析問題的能力。

2、?知識圖譜在農(nóng)業(yè)領(lǐng)域的應(yīng)用具有重要作用，?主要體現(xiàn)在以下幾個方面：?農(nóng)業(yè)大數(shù)據(jù)分析：?隨著農(nóng)業(yè)大數(shù)據(jù)時代的到來，?知識圖譜?能夠幫助高效地管理現(xiàn)實世界中事物及其關(guān)系，?促進智慧農(nóng)業(yè)的發(fā)展。?通過知識圖譜的應(yīng)用，?可以更好地進行農(nóng)業(yè)數(shù)據(jù)分析，?為農(nóng)業(yè)生產(chǎn)提供科學(xué)依據(jù)。?農(nóng)業(yè)知識共享與交流：?知識圖譜可以實現(xiàn)農(nóng)業(yè)知識的共享，?將農(nóng)業(yè)專家的知識和經(jīng)驗進行化繁為簡，?構(gòu)建知識圖譜，?讓農(nóng)民獲得來自更廣泛領(lǐng)域?qū)＜业慕?jīng)驗，?提升農(nóng)業(yè)生產(chǎn)發(fā)展水平。?農(nóng)業(yè)病蟲害管理與預(yù)防：?知識圖譜可以幫助建立農(nóng)業(yè)病蟲害的知識庫，?整理和分類病蟲害的相關(guān)知識，?為農(nóng)業(yè)從業(yè)者提供參考和指導(dǎo)。?通過建立農(nóng)作物與病蟲害之間的關(guān)系模型，?預(yù)測和分析病蟲害的發(fā)生規(guī)律，?提前采取相應(yīng)的防治措施，?實現(xiàn)農(nóng)作物病蟲害的智能監(jiān)控。?種植預(yù)測與精準(zhǔn)農(nóng)業(yè)：?利用知識圖譜技術(shù)，?通過對歷史氣象信息、?土壤信息等進行分析，?構(gòu)建農(nóng)業(yè)種植預(yù)測模型，?幫助農(nóng)民和農(nóng)業(yè)企業(yè)為不同作物的生長制定最佳的農(nóng)業(yè)生產(chǎn)計劃。?這個模型能夠根據(jù)個體農(nóng)場實際觀測數(shù)據(jù)進行模型調(diào)整，?讓農(nóng)業(yè)生產(chǎn)更加科學(xué)化、?精細(xì)化。?農(nóng)業(yè)教育與學(xué)習(xí)：?農(nóng)業(yè)氣象學(xué)知識圖譜的構(gòu)建，?如《?農(nóng)業(yè)氣象學(xué)》?課程的知識圖譜，?有助于學(xué)習(xí)者掌握農(nóng)業(yè)氣象學(xué)的基本理論及其在所學(xué)專業(yè)中的應(yīng)用要領(lǐng)，?提升教學(xué)質(zhì)量和學(xué)習(xí)效果。?知識圖譜在農(nóng)業(yè)領(lǐng)域的應(yīng)用涵蓋了從基礎(chǔ)知識學(xué)習(xí)到實際應(yīng)用的多個方面，?對于提升農(nóng)業(yè)生產(chǎn)效率、?促進農(nóng)業(yè)現(xiàn)代化具有重要意義。

3、?知識圖譜已成為組織和利用各領(lǐng)域大量數(shù)據(jù)的關(guān)鍵工具。在農(nóng)業(yè)領(lǐng)域，知識圖譜對于理解作物、害蟲、土壤類型和天氣條件等不同實體之間的復(fù)雜關(guān)系尤為重要。傳統(tǒng)的實體關(guān)系抽取方法通常難以處理農(nóng)業(yè)數(shù)據(jù)的多樣性和復(fù)雜性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于大模型多智能體交互的知識圖譜構(gòu)建方法及系統(tǒng)，該方法通過使用多智能體交互和角色扮演技術(shù)增強實體關(guān)系抽取和推理，結(jié)合了用于實體抽取的專用模型和用于關(guān)系抽取的大型語言模型（llm），并通過多智能體框架進行集成。

2、一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，包括：

3、獲取農(nóng)業(yè)數(shù)據(jù)；

4、從所述農(nóng)業(yè)數(shù)據(jù)中篩選農(nóng)業(yè)實體數(shù)據(jù)；

5、采用llm模型計算所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系；

6、多智能體交互模塊通過角色扮演對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行修正；

7、根據(jù)修正后的農(nóng)業(yè)實體數(shù)據(jù)構(gòu)建農(nóng)業(yè)知識圖譜。

8、優(yōu)選地，所述獲取農(nóng)業(yè)數(shù)據(jù)之后，還包括對農(nóng)業(yè)數(shù)據(jù)進行預(yù)處理，具體為：

9、去除農(nóng)業(yè)數(shù)據(jù)中的噪聲和重復(fù)的農(nóng)業(yè)數(shù)據(jù)；

10、將清洗后的農(nóng)業(yè)數(shù)據(jù)格式化。

11、優(yōu)選地，所述從所述農(nóng)業(yè)數(shù)據(jù)中篩選農(nóng)業(yè)實體數(shù)據(jù)包括：

12、采用spacy模型在預(yù)處理后的農(nóng)業(yè)數(shù)據(jù)中抽取農(nóng)業(yè)實體。

13、優(yōu)選地，所述從所述采用llm模型計算所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系包括：

14、通過spacy-llm利用llm模型識別和抽取所述農(nóng)業(yè)實體之間的關(guān)系。

15、優(yōu)選地，所述采用llm模型計算所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系之后，還包括構(gòu)建多個智能體，具體為：

16、根據(jù)處理農(nóng)業(yè)數(shù)據(jù)的實體角色的個數(shù)配置相應(yīng)數(shù)量的智能體；

17、所述處理農(nóng)業(yè)數(shù)據(jù)的實體角色包括：農(nóng)學(xué)專家、農(nóng)業(yè)市場分析師、農(nóng)業(yè)商家和農(nóng)民；

18、所述農(nóng)業(yè)專家智能體用于根據(jù)專業(yè)知識對知識圖譜中的信息進行校驗，提出修正建議；

19、所述農(nóng)業(yè)市場分析師智能體用于檢查知識圖譜是否反映當(dāng)前市場趨勢和需求；

20、所述農(nóng)業(yè)商家智能體用于驗證知識圖譜是否包含商家所需的準(zhǔn)確信息。

21、優(yōu)選地，所述多智能體交互模塊通過角色扮演對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行修正包括：

22、給每個智能體分配處理農(nóng)業(yè)數(shù)據(jù)的實體角色；

23、所述智能體在角色扮演中對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行修正，農(nóng)業(yè)專家智能體與市場分析智能體進行信息交流，確認(rèn)知識圖譜中市場相關(guān)信息的準(zhǔn)確性；

24、農(nóng)業(yè)商家智能體與農(nóng)業(yè)專家智能體溝通，反饋圖譜中實際使用中的問題和需求；

25、反饋處理智能體，用于收集各角色的反饋，分析問題并進行初步修正。

26、優(yōu)選地，所述多智能體交互模塊通過角色扮演對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行修正之后，還包括對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行驗證，具體為：

27、隨機抽取所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系作為測試樣本；

28、對所述測試樣本進行人工驗證。

29、優(yōu)選地，所述根據(jù)修正后的農(nóng)業(yè)實體數(shù)據(jù)構(gòu)建農(nóng)業(yè)知識圖譜包括：

30、根據(jù)修正后的農(nóng)業(yè)實體數(shù)據(jù)更新和優(yōu)化農(nóng)業(yè)知識圖譜；

31、對農(nóng)業(yè)知識圖譜進行評估；

32、如果評估結(jié)果未達(dá)到預(yù)設(shè)要求，則對農(nóng)業(yè)實體數(shù)據(jù)進行校驗。

33、一種基于大模型多智能體交互的知識圖譜構(gòu)建系統(tǒng)，包括：

34、數(shù)據(jù)獲取模塊，用于獲取農(nóng)業(yè)數(shù)據(jù)；

35、數(shù)據(jù)篩選模塊，用于從所述農(nóng)業(yè)數(shù)據(jù)中篩選農(nóng)業(yè)實體數(shù)據(jù)；

36、數(shù)據(jù)處理模塊，用于采用llm模型計算所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系；

37、數(shù)據(jù)修正模塊，用于多智能體交互模塊通過角色扮演對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行修正；

38、數(shù)據(jù)融合模塊，用于根據(jù)修正后的農(nóng)業(yè)實體數(shù)據(jù)構(gòu)建農(nóng)業(yè)知識圖譜。

39、一種電子設(shè)備，包括：處理器和存儲器，所述存儲器用于存儲計算機程序代碼，所述計算機程序代碼包括計算機指令，當(dāng)所述處理器執(zhí)行所述計算機指令時，所述電子設(shè)備執(zhí)行一種基于大模型多智能體交互的知識圖譜構(gòu)建方法。

40、本發(fā)明的有益效果在于：1.本發(fā)明使用多個智能體模擬專家協(xié)作，從而形成更準(zhǔn)確和全面的關(guān)系抽??；2.本發(fā)明通過角色扮演情景增強智能體的推理能力，使農(nóng)業(yè)知識圖譜對復(fù)雜關(guān)系有更深入的見解；3.本發(fā)明結(jié)合用于實體抽取的專用模型和用于關(guān)系抽取的llm，利用兩者的優(yōu)勢，實現(xiàn)穩(wěn)健的知識圖譜構(gòu)建過程。

技術(shù)特征：

1.一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，其特征在于，所述獲取農(nóng)業(yè)數(shù)據(jù)之后，還包括對農(nóng)業(yè)數(shù)據(jù)進行預(yù)處理，具體為：

3.根據(jù)權(quán)利要求2所述的一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，其特征在于，所述從所述農(nóng)業(yè)數(shù)據(jù)中篩選農(nóng)業(yè)實體數(shù)據(jù)包括：

4.根據(jù)權(quán)利要求1所述的一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，其特征在于，所述從所述采用llm模型計算所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系包括：

5.根據(jù)權(quán)利要求1所述的一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，其特征在于，所述采用llm模型計算所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系之后，還包括構(gòu)建多個智能體，具體為：

6.根據(jù)權(quán)利要求1所述的一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，其特征在于，所述多智能體交互模塊通過角色扮演對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行修正包括：

7.根據(jù)權(quán)利要求6所述的一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，其特征在于，所述多智能體交互模塊通過角色扮演對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行修正之后，還包括對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行驗證，具體為：

8.根據(jù)權(quán)利要求7所述的一種基于大模型多智能體交互的知識圖譜構(gòu)建方法，其特征在于，所述根據(jù)修正后的農(nóng)業(yè)實體數(shù)據(jù)構(gòu)建農(nóng)業(yè)知識圖譜包括：

9.一種基于大模型多智能體交互的知識圖譜構(gòu)建系統(tǒng)，其特征在于，包括：

10.一種電子設(shè)備，其特征在于，包括：處理器和存儲器，所述存儲器用于存儲計算機程序代碼，所述計算機程序代碼包括計算機指令，當(dāng)所述處理器執(zhí)行所述計算機指令時，所述電子設(shè)備執(zhí)行如權(quán)利要求1至8任一項所述的一種基于大模型多智能體交互的知識圖譜構(gòu)建方法。

技術(shù)總結(jié)
本發(fā)明的目的是提供一種基于大模型多智能體交互的知識圖譜構(gòu)建方法及系統(tǒng)，該方法包括：獲取農(nóng)業(yè)數(shù)據(jù)；從所述農(nóng)業(yè)數(shù)據(jù)中篩選農(nóng)業(yè)實體數(shù)據(jù)；采用LLM模型計算所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系；多智能體交互模塊通過角色扮演對所述農(nóng)業(yè)實體數(shù)據(jù)之間的關(guān)系進行修正；根據(jù)修正后的農(nóng)業(yè)實體數(shù)據(jù)構(gòu)建農(nóng)業(yè)知識圖譜。本發(fā)明通過使用多智能體交互和角色扮演技術(shù)增強實體關(guān)系抽取和推理，結(jié)合了用于實體抽取的專用模型和用于關(guān)系抽取的大型語言模型（LLM），并通過多智能體框架進行集成。

技術(shù)研發(fā)人員：趙瑩萍,潘明,宋廣鵬,熊征,竇文祥,孟祥寶,鐘林憶
受保護的技術(shù)使用者：廣東省現(xiàn)代農(nóng)業(yè)裝備研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6