基于大模型的大规模电力数据零样本实体关系抽取方法

胡新雨; 宋博川; 仝杰; 李云鹏; 毛艳芳; 吕晓祥; 张强; 孙大军; 陈群丰

doi:10.16543/j.2095-641x.electric.power.ict.2025.05.08

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于大模型的大规模电力数据零样本实体关系抽取方法

更新时间：2026-02-04

- 基于大模型的大规模电力数据零样本实体关系抽取方法
- Issue 5, Pages: 61-67(2025)
- 作者机构：
  
  1. 国网南通供电公司
  2. 中国电力科学研究院有限公司
  3. 苏州华天国科电力科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.16543/j.2095-641x.electric.power.ict.2025.05.08
  CLC： TM73;TP391.1
- Published：2025
- 稿件说明：
移动端阅览
胡新雨, 宋博川, 仝杰, et al. 基于大模型的大规模电力数据零样本实体关系抽取方法[J]. 2025, (5): 61-67.
DOI：

胡新雨, 宋博川, 仝杰, et al. 基于大模型的大规模电力数据零样本实体关系抽取方法[J]. 2025, (5): 61-67. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.05.08.

摘要

在大数据时代，大规模电力数据的实体关系三元组抽取对于电力数据的智能分析与处理具有十分重要的意义。传统的深度学习方法需要大量标注电力领域训练数据，用于深度学习模型学习，这种方法不仅耗时耗力，而且难以取得好的实体关系抽取效果。针对这些问题，文章提出了一种基于大语言模型的电力领域零样本聊天生成式实体关系抽取(chat relation exaction

Chat RE)。ChatRE提出两阶段多轮对话方法，将实体关系抽取分成2个子任务，并使用句法增强进一步提升抽取的效果，有效地解决大规模电力数据零样本实体关系抽取问题。基于构建的电力领域实体数据集以及通用数据集对ChatRE进行实验评估。结果表明，所提ChatRE模型优于现有的方法，可以从复杂的电力领域知识中有效抽取实体关系三元组。

Abstract

关键词

Keywords

references

刘丽,白宇昂,李刚,吴智泉,张新,李盈盈.基于CasRel-AttR模型的电力二次作业风险知识图谱构建方法研究[J].电力信息与通信技术,2024(11).

徐冲,汪凝,倪相生.基于知识图谱的用户特征-关系推荐模型在电力安全教育中的应用[J].电力信息与通信技术,2024(11).

田鹏,刘玉娇,李国亮,林煜清,单媛媛.基于自注意力的GIS缺陷文本关系抽取方法[J].电力信息与通信技术,2024(09).

束嘉伟,杨挺,耿毅男,于洁.面向电力知识图谱构建的重叠实体关系联合抽取方法[J].高电压技术,2024(11).

王书鸿,郑少明,刘中硕,刘一民,董鹏,陶畅,于逸廷,薛安成.面向某地区电网继电保护装置缺陷知识图谱构建的实体关系抽取[J].电网技术,2023(05).

陈晨,朱晴晴,严睿,柳军飞.基于深度学习的开放领域对话系统研究综述[J].计算机学报,2019(07).

Views

102

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

电力数据管理关键技术研究与应用

Calculation Method for Railway Noise Prediction

The Basic Method on Working out Standard for Railway Environment Noise

The Study of Prepare and Application of Natural Organic Polymeric Modified Cation Flocculant

Discussion on Ecologic Recovery Measure of Borrow Pit Ground in Qingzang Railway Massif and Sloping Field

Related Author

阴皓

李路远

刘伯宇

Related Institution

国网河南省电力公司信息通信公司

AI问答

⁰