摘要：【目的】 水务知识图谱为水务管理提供了基于知识推理的决策支持，但其构建与应用因关键实体及关系缺失面临严峻挑战，传统补全方法难以应对水务领域实体异构性高、语义关联复杂等问题。【方法】 文章以水务运维知识图谱为研究对象，提出了一种基于大语言模型的知识图谱补全方法。首先，以缺失实体为中心，从图谱中抽取该实体的子图结构信息;其次，通过提示工程将子图结构信息动态转换为适配大语言模型的源文本序列与目标文本序列;最后通过高效参数微调，深度整合子图结构与大语言模型，提高大语言模型在水务运维知识图谱的推理能力。【结果】 模型试验结果表明，相比于仅利用知识图谱三元组信息的大模型(KG-LLM)，文章方法在三元组分类的准确率提升6.5%、关系预测hits@1指标上提升6.4%，在链接预测的hits@1、hits@3及hits@10指标分别提升1.6%、7.3%及5.7%。基于文章所提出的水务运维知识图谱补全方法应用于某水司智慧运维现场，泵组运行效率提升22%，年度维护成本降低15%，有效避免了因水泵轴承故障导致的突发停水事件。【结论】 子图结构信息能够显著增强大模型对缺失实体的推理准确性，为复杂、多样的运维知识图谱补全任务提供更简单高效的解决方法。

关键词：智慧水务；信息化建设；知识图谱；大语言模型；知识图谱补全

基金资助：国家自然科学基金面上项目(72174086)

下载

查看