Page 122 - 2023年第54卷第9期

ｇｕａｇｅｍｏｄｅｌｐｒｏｍｐｔｓ［Ｃ］??Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２０２２ＣＨＩＣｏｎｆｅｒｅｎｃｅｏｎＨｕｍａｎＦａｃｔｏｒｓｉｎＣｏｍｐｕｔｉｎｇＳｙｓｔｅｍｓ．
２０２２．
［２１］ ＡＲＯＲＡＳ，ＮＡＲＡＹＡＮＡ，ＣＨＥＮＭ Ｆ，ｅｔａｌ．ＡｓｋＭｅＡｎｙｔｈｉｎｇ：Ａｓｉｍｐｌｅｓｔｒａｔｅｇｙｆｏｒｐｒｏｍｐｔｉｎｇｌａｎｇｕａｇｅｍｏｄ
ｅｌｓ［ＥＢ?ＯＬ］．（２０２２ － １１ － ２０）［２０２３ － ０１ － ２３］．ｈｔｔｐ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?２２１０．０２４４１．
［２２］ 王一钒，李博，史话，等．古汉语实体关系联合抽取的标注方法［Ｊ］．数据分析与知识发现，２０２１，５（９）：
６３ － ７４．
［２３］ ＳＵＮＹ，ＷＡＮＧＳ，ＬＩＹ，ｅｔａｌ．Ｅｒｎｉｅ：Ｅｎｈａｎｃｅｄｒｅｐｒｅｓｅｎｔａｔｉｏｎｔｈｒｏｕｇｈｋｎｏｗｌｅｄｇｅｉｎｔｅｇｒａｔｉｏｎ［ＥＢ?ＯＬ］．（２０１９ －
０４ － １９ ）［２０２２ － １２ － １７］．ｈｔｔｐ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?１９０４．０９２２３．
［２４］ ＲＡＤＦＯＲＤＡ，ＷＵＪ，ＣＨＩＬＤＲ，ｅｔａｌ．Ｌａｎｇｕａｇｅｍｏｄｅｌｓａｒｅｕｎｓｕｐｅｒｖｉｓｅｄｍｕｌｔｉｔａｓｋｌｅａｒｎｅｒｓ［Ｊ］．ＯｐｅｎＡＩｂｌｏｇ，
２０１９，１（８）：９．
［２５］ ＢＲＯＷＮＴ，ＭＡＮＮＢ，ＲＹＤＥＲＮ，ｅｔａｌ．Ｌａｎｇｕａｇｅｍｏｄｅｌｓａｒｅｆｅｗ － ｓｈｏｔｌｅａｒｎｅｒｓ［Ｊ］．Ａｄｖａｎｃｅｓｉｎｎｅｕｒａｌｉｎｆｏｒ
ｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇｓｙｓｔｅｍｓ，２０２０，３３：１８７７ － １９０１．
［２６］ ＨＵＡＮＧＱ，ＬＩＡＯＤ，ＸＩＮＧＺ，ｅｔａｌ．ＳＥＦａｃｔｕａｌＫｎｏｗｌｅｄｇｅｉｎＦｒｏｚｅｎＧｉａｎｔＣｏｄｅＭｏｄｅｌ：ＡＳｔｕｄｙｏｎＦＱＮａｎｄ
ｉｔｓＲｅｔｒｉｅｖａｌ ［ＥＢ?ＯＬ］．（２０２２ － １２ － １６）［２０２３ － ０２ － ２７］．ｈｔｔｐ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?２２１２．０８２２１．
［２７］ ＧＡＯＴ，ＦＩＳＣＨＡ，ＣＨＥＮＤ．Ｍａｋｉｎｇｐｒｅ － ｔｒａｉｎｅｄｌａｎｇｕａｇｅｍｏｄｅｌｓｂｅｔｔｅｒｆｅｗ － ｓｈｏｔｌｅａｒｎｅｒｓ［ＥＢ?ＯＬ］．（２０２１ － ０６ －
０２ ）［２０２２ － １２ － ０４］．ｈｔｔｐ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?２０１２．１５７２３．
［２８］ ＭＩＳＨＲＡＳ，ＫＨＡＳＨＡＢＩＤ，ＢＡＲＡＬＣ，ｅｔａｌ．ＲｅｆｒａｍｉｎｇＩｎｓｔｒｕｃｔｉｏｎａｌＰｒｏｍｐｔｓｔｏＧＰＴｋ’ｓＬａｎｇｕａｇｅ［ＥＢ?ＯＬ］．
（２０２２ － ０３ － １５）［２０２２ － １２ － １６］．ｈｔｔｐ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?２１０９．０７８３０．
［２９］ ＷＡＮＧＸ，ＷＥＩＪ，ＳＣＨＵＵＲＭＡＮＳＤ，ｅｔａｌ．Ｓｅｌｆ － ｃｏｎｓｉｓｔｅｎｃｙｉｍｐｒｏｖｅｓｃｈａｉｎｏｆｔｈｏｕｇｈｔｒｅａｓｏｎｉｎｇｉｎｌａｎｇｕａｇｅ
ｍｏｄｅｌｓ ［ＥＢ?ＯＬ］．（２０２３ － ０３ － ０７）［２０２３ － ０３ － １５］．ｈｔｔｐ：??ａｒｘｉｖ．ｏｒｇ?ａｂｓ?２２０３．１１１７１．
［３０］ ＨＵＡＮＧＣ，ＬＩＣ，ＹＡＯＳ，ｅｔａｌ．ＡＨｙｂｒｉｄｓｃｈｅｍｅｆｏｒＰａｒｓｉｎｇＣａｎｔｏｎｅｓｅＴｅｘｔＢａｓｅｄｏｎＰｙＣａｎｔｏｎｅｓｅＰｌｕｓａｎｄ
ＰｙＬＴＰ［Ｃ］??２０２２ＥｕｒｏｐｅａｎＣｏｎｆｅｒｅｎｃｅｏｎＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇａｎｄＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ（ＥＣＮＬＰＩＲ）．
ＩＥＥＥ ，２０２２．
［３１］ ＳＣＨＥＡＦＦＥＲＲＬ，ＭＥＮＤＥＮＨＡＬＬＩＩＩＷ，ＯＴＴＲ Ｌ，ｅｔａｌ．Ｅｌｅｍｅｎｔａｒｙｓｕｒｖｅｙｓａｍｐｌｉｎｇ［Ｍ］．ＣｅｎｇａｇｅＬｅａｒｎｉｎｇ，
２０１１．

ＡｐｐｌｉｃａｔｉｏｎｏｆＡＩｃｈａｉｎｉｎｔｅｇｒａｔｉｎｇｃｒｏｗｄｉｎｔｅｌｌｉｇｅｎｃｅｓｔｒａｔｅｇｙｉｎ
ｆｌｏｏｄｃｏｎｔｒｏｌｋｎｏｗｌｅｄｇｅｉｎｆｅｒｅｎｃｅ

１
１，２
３
１
１
ＹＡＮＧＹａｎｇｒｕｉ，ＺＨＵＹａｐｉｎｇ，ＣＨＥＮＳｉｓｉ，ＬＩＵＸｕｅｍｅｉ ，ＬＩＨｕｉｍｉｎ
（１．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｚｈｅｎｇｚｈｏｕ ４５００００，Ｃｈｉｎａ；
２．ＣｏｌｌａｂｏｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｆｏｒＥｆｆｉｃｉｅｎｔＵｔｉｌｉｚａｔｉｏｎｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ，Ｚｈｅｎｇｚｈｏｕ ４５００００，Ｃｈｉｎａ；
３．ＳｃｈｏｏｌｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｚｈｅｎｇｚｈｏｕ ４５００００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｌｏｏｄｃｏｎｔｒｏｌｋｎｏｗｌｅｄｇｅ（ｅｎｔｉｔｉｅｓａｎｄｒｅｌａｔｉｏｎｓｈｉｐｓ）ｉｓａｎｅｓｓｅｎｔｉａｌｃｏｍｐｏｎｅｎｔｏｆｔｈｅｆｌｏｏｄｃｏｎｔｒｏｌａｎｄ
ｒｅｓｃｕｅｂｕｓｉｎｅｓｓｋｎｏｗｌｅｄｇｅｇｒａｐｈ．Ｔｈｅｃｏｍｐｌｅｘｒｅｌａｔｉｏｎｓｈｉｐｓａｍｏｎｇｆｌｏｏｄｃｏｎｔｒｏｌｅｎｔｉｔｉｅｓａｒｅｄｉｓｔｒｉｂｕｔｅｄｉｎｕｎｓｔｒｕｃ
ｔｕｒｅｄｔｅｘｔ，ａｎｄｔｈｅｓｃａｒｃｉｔｙａｎｄｌｏｗｑｕａｌｉｔｙｏｆａｖａｉｌａｂｌｅｔｅｘｔｓｐｏｓｅｃｈａｌｌｅｎｇｅｓｔｏｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎｉｎｔｈｉｓｆｉｅｌｄ．
Ｉｎｒｅｓｐｏｎｓｅ ，ａｎｏｖｅｌａｐｐｒｏａｃｈｉｓｐｒｏｐｏｓｅｄｔｏｕｓｅｌａｒｇｅｌａｎｇｕａｇｅｍｏｄｅｌｓｔｏｃｏｍｐｌｅｔｅｆｌｏｏｄｃｏｎｔｒｏｌａｎｄｒｅｓｃｕｅｋｎｏｗｌ
ｅｄｇｅｉｎｆｅｒｅｎｃｅ（ＦＣＲＫＩ）．ＢａｓｅｄｏｎＬＬＭｓ，ｔｈｒｅｅｓｕｂ － ｍｏｄｕｌｅｓａｒｅｄｅｓｉｇｎｅｄ：ｆｌｏｏｄｃｏｎｔｒｏｌｅｎｔｉｔｙｅｘｔｒａｃｔｏｒ，ｆｌｏｏｄ
ｃｏｎｔｒｏｌｅｎｔｉｔｙｋｎｏｗｌｅｄｇｅｐａｒｓｅｒ ，ａｎｄｆｌｏｏｄｃｏｎｔｒｏｌｉｎｔｅｒ － ｅｎｔｉｔｙｒｅｌａｔｉｏｎｓｈｉｐｄｅｃｉｄｅｒ．Ａ ｓｅｒｉｅｓｏｆｅｆｆｅｃｔｉｖｅｔａｓｋ
ｐｒｏｍｐｔｓａｒｅｄｅｓｉｇｎｅｄａｎｄｃｏｎｎｅｃｔｅｄｔｏｆｏｒｍ ａｎＡＩｃｈａｉｎ．Ｔｈｅｆｌｏｏｄｃｏｎｔｒｏｌｋｎｏｗｌｅｄｇｅｉｎｆｅｒｅｎｃｅｔａｓｋｉｓｇｒａｄｕａｌｌｙ
ｃｏｍｐｌｅｔｅｄｔｈｒｏｕｇｈｒｅａｌ － ｔｉｍｅｉｎｔｅｒａｃｔｉｏｎｂｅｔｗｅｅｎｔｈｅｐｒｏｍｐｔｓａｎｄＬＬＭｓｉｎｔｈｅＡＩｃｈａｉｎ．Ｆｕｒｔｈｅｒｍｏｒｅ ，ａｓｗａｒｍｉｎ
ｔｅｌｌｉｇｅｎｃｅｓｔｒａｔｅｇｙｉｓｄｅｓｉｇｎｅｄｔｏｅｎｈａｎｃｅｔｈｅｒｅｌｉａｂｉｌｉｔｙｏｆｆｌｏｏｄｃｏｎｔｒｏｌｉｎｔｅｒ － ｅｎｔｉｔｙｒｅｌａｔｉｏｎｓｈｉｐｉｎｆｅｒｅｎｃｅ．Ｃｏｍｐａ
ｒｉｎｇＦＣＲＫＩｗｉｔｈｅｘｉｓｔｉｎｇｍｅｔｈｏｄｓ，ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＦＣＲＫＩｈａｓａｈｉｇｈｅｒａｃｃｕｒａｃｙｉｎｉｎｆｅｒｒｉｎｇｒｅｌａｔｉｏｎ
ｓｈｉｐｓｂｅｔｗｅｅｎｆｌｏｏｄｃｏｎｔｒｏｌｅｎｔｉｔｉｅｓ，ｖｅｒｉｆｙｉｎｇｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅＡＩｃｈａｉｎａｎｄｓｗａｒｍｉｎｔｅｌｌｉｇｅｎｃｅｓｔｒａｔｅｇｙ．Ｔｈｉｓ
ｎｅｗｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎｐａｒａｄｉｇｍｐｒｏｖｉｄｅｓａｎｏｖｅｌｓｏｌｕｔｉｏｎｆｏｒｉｎｔｅｌｌｉｇｅｎｔｐｒｏｃｅｓｓｉｎｇｏｆｈｙｄｒａｕｌｉｃｅｎｇｉｎｅｅｒｉｎｇｔｅｘｔｓ．
Ｋｅｙｗｏｒｄｓ：ｆｌｏｏｄｃｏｎｔｒｏｌｋｎｏｗｌｅｄｇｅｉｎｆｅｒｅｎｃｅ；ｆｌｏｏｄｃｏｎｔｒｏｌｋｎｏｗｌｅｄｇｅｇｒａｐｈ；ｃｒｏｗｄｉｎｔｅｌｌｉｇｅｎｃｅｓｔｒａｔｅｇｙ；ＡＩｃｈａｉｎ
（责任编辑：于福亮）

— １ １ ２ —
３