一种融合LLM大模型的知识图谱的纠错方法

    公开(公告)号:CN118069868A

    公开(公告)日:2024-05-24

    申请号:CN202410387475.4

    申请日:2024-04-01

    Abstract: 本发明涉及一种融合LLM大模型的知识图谱的纠错方法及装置,属于人工智能技术领域,包括以下步骤:获取知识图谱数据,并构建错误检测模型的训练数据;构建知识图谱错误检测模型用于检测错误的三元组;使用带有正负样本的训练数据对错误检测模型进行训练;构建知识图谱纠错模型;使用错误检测模型检测错误三元组,并将其传递给纠错模型,由纠错模型修复错误三元组,创建一个检错网络比较修复前后的三元组,评估纠错模型的性能。将知识图谱输入通过评估的纠错模型,由纠错模型对知识图谱进行纠错。本发明通过结合LLM大模型,在对知识图谱的错误检测和纠错上性能更好,能大大减少人工检测的工作量。

    部分可观测条件下的工业流水线的预测性维护方法

    公开(公告)号:CN117575561A

    公开(公告)日:2024-02-20

    申请号:CN202311480213.4

    申请日:2023-11-08

    Abstract: 本发明公开了部分可观测条件下的工业流水线的预测性维护方法,属于工业流水线智能维护决策技术领域。它包括以下步骤:S1、基于机器运行过程中发生劣化过程,建立部分可观测马尔可夫模型;S2、基于步骤S1中的部分可观测马尔可夫模型,通过双智能体求解得最优决策,实现观测流水线某一时刻的瞬态性能状态,模拟流水线实时运行过程。相对于现有技术,更好地反映真实工业环境中的观测限制。有助于提高维护策略的实际适用性,更贴近实际生产情况;本发明引入多智能体协同工作的理念,将复杂多层次问题分解为双智能体之间的相互协作,允许更精细的维修方式控制。此外,采用反事实准则的奖励分配机制,在智能体之间分配局部奖励,实现整体优化目标。

Patent Agency Ranking