DeepSeek赋能领域知识图谱低成本构建研究

[目的/意义]在以DeepSeek为代表的开源大语言模型驱动知识工程范式变革的背景下，本研究针对传统领域知识图谱构建中存在的专家规则依赖度高、人工标注成本大、多源数据处理效率低等瓶颈问题，提出基于DeepSeek的领域知识图谱低成本构建方法。[方法/过程]通过构建本体建模、数据融合、智能抽取的方法框架，基于领域认知特征设计本体模型，构建多源异构数据融合方法实现数据结构统一表征，创新性地将DeepSeek与知识抽取相结合，提出语义理解增强、提示工程的领域知识抽取技术体系。[结果/结论]以生猪全产业链领域知识图谱构建为实证对象，定义产业链结构、21类核心实体及其属性关系，实现面向智慧养殖的生猪产业...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	农业图书情报学报 Ročník 37; číslo 3; s. 4 - 17
Hlavní autoři:	史忠艳, 雷洁, 孙坦, 赵瑞雪, 李娇, 黄永文, 鲜国建
Médium:	Journal Article
Jazyk:	čínština
Vydáno:	中国农业科学院农业信息研究所 03.05.2025
Témata:	全产业链知识抽取 DeepSeek 生猪零样本知识底座知识图谱
ISSN:	1002-1248
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Popis
Shrnutí:	[目的/意义]在以DeepSeek为代表的开源大语言模型驱动知识工程范式变革的背景下，本研究针对传统领域知识图谱构建中存在的专家规则依赖度高、人工标注成本大、多源数据处理效率低等瓶颈问题，提出基于DeepSeek的领域知识图谱低成本构建方法。[方法/过程]通过构建本体建模、数据融合、智能抽取的方法框架，基于领域认知特征设计本体模型，构建多源异构数据融合方法实现数据结构统一表征，创新性地将DeepSeek与知识抽取相结合，提出语义理解增强、提示工程的领域知识抽取技术体系。[结果/结论]以生猪全产业链领域知识图谱构建为实证对象，定义产业链结构、21类核心实体及其属性关系，实现面向智慧养殖的生猪产业知识建模。实验表明，DeepSeek-R1在零样本学习条件下，对生猪疫病防治场景的实体识别F1值达0.92。本研究为领域知识图谱构建提供了“机器初筛——人工精校”协同范式，验证了大语言模型在垂直领域的知识抽取潜力，对推动DeepSeek赋能知识图谱低成本构建具有研究价值与实践参考。
ISSN:	1002-1248
DOI:	10.13998/j.cnki.issn1002-1248.25-0218