面向变电站运维异构文档的共享任务状态驱动多智能体协作知识图谱构建框架
《Applied Sciences》:FinConRank: Financial Constraint-Aware Visual Reranking for Multimodal Document Retrieval
【字体:
大
中
小
】
时间:2026年10月22日
来源:Applied Sciences 2.5
摘要
知识图谱构建通常涉及数据预处理、实体识别、关系抽取、知识融合、冲突消解和质量评估等环节。然而,变电站运维场景中的异构文档——包括技术标准、缺陷记录、工作票、运行日志以及扫描文档或混合格式文档——具有密集的领域术语、不一致的表述方式、跨源冲突以及不完整的来源信息,这使得准确且具有可追溯性的知识构建面临巨大挑战。现有的基于大语言模型和流水线式的方法虽然在自动知识抽取方面有所改进,但其处理阶段之间通常耦合较弱,导致难以复用跨阶段证据、将下游错误追溯到负责的上游任务,以及进行有针对性的返工修正。为克服上述局限性,本文提出了一种共享任务状态驱动的多智能体协作知识图谱构建框架(MAC-CKG)。该框架引入了任务编排器和共享任务状态池,协调五个智能体分别执行数据处理、实体识别、关系抽取、知识融合和质量评估;在跨阶段流转过程中保留来源信息、置信度、冲突信息和审核信息,同时通过本体约束、多因素置信度和双阈值质量路由机制共同支持知识插入、人工审核和有针对性的返工。在评估方面,我们构建了一个异构变电站运维数据集,包含96个异构源条目(包括文档和结构化知识资源)以及17,220个标准化输入单元,最终产出经来源验证的候选子集,包含9519个实体和9258个关系。此外,单独使用了一个由人工独立标注的20文档端到端基准测试用于原始文档抽取评估。在该基准上的三次独立运行中,MAC-CKG分别达到了85.96%的实体F1分数、62.50%的条件关系F1分数和62.31%的严格三元组F1分数,分别比SAC-KG高出2.83、5.77和6.34个百分点,比PiVe高出4.48、8.32和8.94个百分点。独立基准消融实验表明,在去除任务编排后三元组F1从62.31%降至59.68%,在去除共享任务状态池后降至57.41%,说明在所评估的配置下,系统对这些组件具有较强的敏感性,推理成本则另行考量。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号