Page 88 - 2025年第56卷第5期

水 利 学 报

2025 年 5 月 SHUILI XUEBAO 第 56 卷 第 5 期

文章编号：0559-9350（2025）05-0634-12 第二十七届中国科协年会学术论文

基于大语言模型的水利工程运行管理质量概念模型

及知识图谱自动化构建

杨阳蕊，董方宁，王鹏斐，菅朋朋，李海昆

（华北水利水电大学 信息工程学院，河南 郑州 450000）

摘要：现阶段水利工程运行管理质量相关数据大多存储在非结构化文本中，数字化程度较低，难以满足水利高质
量发展提出的更高要求。现行知识图谱及概念模型构建方式严重依赖人工，效率欠佳。为此，本文提出一种基于
大语言模型（LLMs）的“发掘-构建-过滤”（ECF）框架，以实现水利工程运行管理质量概念模型及知识图谱的自动
化构建。该框架利用 LLMs 首先发掘出知识图谱的实体和关系类型，设计并生成知识图谱概念模型。随后，在该
概念模型的指导下，从数据源中提取实例，构建知识图谱。最后，设计过滤机制，剔除概念模型及知识图谱中的
三元组噪声，保证准确性。通过设置种子文本集、全体文本集数据，对 ECF 框架各环节进行评估并与现有方法进
行对比。结果表明，ECF 框架在概念模型及知识图谱的自动化构建方面表现良好，三元组准确率较现有方法提升
23%，优化了知识图谱的构建效率，为水利工程的规范运行与稳步推进提供了技术和理论支持。
关键词：大语言模型；概念模型；知识图谱；智能生成；水利工程运行与质量管理
中图分类号：TP391.1 文献标识码：A doi：10.13243/j.cnki.slxb.20250027

1 研究背景

流域水利工程规模庞大、设施拓扑结构复杂，因此，对水利工程运行管理中的质量问题进行分析
至关重要。当前，海量水利工程运行管理质量问题数据大多以非结构化文档形式存储，知识梳理与清
洗能力不足、内容关联性较弱，难以对运行管理质量问题信息进行有机集成，无法动态协调水利工程
的运行、维护与修复工作。对质量问题数据进行结构化的表示和存储，将显著提升问题的分析与梳理
效率。在水利信息化、智慧化的背景下，知识图谱（Knowledge Graph，KG）凭借其强大的语义处理和
［1］
互联组织能力 ，成为解决水利工程运行管理质量问题数据整合的关键技术之一。
［2］
［3］
知识图谱以结构化的三元组形式描述概念、实体和关系 ，并最终以图的形式反馈给用户 ，高
效提升了对海量数据知识的分析与挖掘能力，是结构化数据组织的革新之一 ［4］ 。目前，知识图谱被广
泛应用于各种下游任务，如决策 ［5-6］ 、问答 ［7］ 和推荐 ［8］ 等方面。在水利工程领域，也有一系列针对知
识图谱展开的研究。张栋梁等 ［9］ 结合预训练模块和卷积模块，提出了非结构化数据与半结构化数据
联合构建防汛抢险知识图谱的方法；张军珲等 ［10］ 针对数字孪生工程，提出了水利工程知识图谱的构
建方法，为相关知识检索和预案的生成提供了理论支撑；Wang 等 ［11］ 借助预训练语言模型和多视图
卷积神经网络，对本体知识抽取的精度做了较大提升，进而增强应急方案的可靠性。然而，现行知
识图谱及概念模型（KG Schema，下文统称“概念模型”）的构建方式多为人工构建，需要水利领域
专家对大量数据进行分析和标注，明确实体和关系。这一过程耗时、费力且依赖专业知识，效率

收稿日期：2025-04-09；网络首发日期：2025-05-26
网络首发地址：https：/link.cnki.net/urlid/11.1882.tv.20250523.1647.002
/
基金项目：国家自然科学基金项目（72271091）；河南省高等学校重点科研项目（25A520006）；华北水利水电大学硕士研究生创新
能力提升工程项目（NCWUYC-202416098）；河南省科技厅科技攻关项目（252102210030）
作者简介：杨阳蕊（1982-），博士，副教授，主要从事自然语言处理研究。E-mail：yangyangrui@ncwu.edu.cn
— 634 —