《電子技術應用》
您所在的位置:首頁 > 其他 > 设计应用 > 基于大语言模型的地理大数据知识图谱构建及安全应用
基于大语言模型的地理大数据知识图谱构建及安全应用
网络安全与数据治理
刘颖1,2,李勇1
1.清华大学电子工程系;2.湖南省长沙市雅礼中学
摘要: 地理知识图谱因其结构化和可解释性等优势,在基于地理知识的复杂任务的推理与认知中具有重要价值。然而,其构建过程通常费时费力且成本高昂,严重制约了实际应用。为解决这一问题,提出了一种基于大语言模型智能体的自动化构建方案,旨在实现高效、低成本的地理知识图谱生成。该方案利用大语言模型的自然语言理解能力和代码生成能力,通过设计针对多源异构地理数据的自动解析与处理流程,并通过引入基于推理的自动反馈与检查机制,显著提升了执行成功率。进一步,讨论了该知识图谱在城市安全领域的应用前景。通过研发能够自主完成地理知识图谱构建的系统,为地理知识图谱的广泛应用提供了数据基础,为城市安全应用提供了技术基础。
中圖分類號:TP309文獻標識碼:ADOI:10.19358/j.issn.2097-1788.2025.08.005
引用格式:劉穎,李勇. 基于大語言模型的地理大數據知識圖譜構建及安全應用[J].網絡安全與數據治理,2025,44(8):30-38.
Construction of geographical knowledge graphs based on large language models and its security applications
Liu Ying1,2,Li Yong1
1. Department of Electronic Engineering, Tsinghua University;2. Yali Middle School
Abstract: Geographical knowledge graphs are valuable for complex geographic tasks due to their structured and interpretable nature. However, their construction is often time-consuming, labor-intensive, and costly, which limits practical applications. To address this issue, an automated construction approach based on large language model agents is proposed to achieve efficient and low-cost generation of geographical knowledge graphs. This approach leverages the natural language understanding and code generation capabilities of large language models to design automatic parsing and processing workflows for multi-source heterogeneous geographic data. By introducing reasoning-based feedback and verification mechanisms, the execution success rate is significantly improved. Finally, we discuss the potential applications of this knowledge graph in the urban safety area. Ultimately, a system capable of autonomously constructing geographical knowledge graphs is developed, providing a solid data foundation for the wide application of geographic knowledge graphs and a technical foundation for urban safety applications.
Key words : geographical knowledge graph; large language model; automatic construction; code generation

引言

地理知識圖譜通過形式化描述領域中的概念、實體及其關系,構建起結構化的地理知識表達體系,為復雜地理任務中的知識推理與決策支持提供了重要基礎。其在城市規劃、災害應急響應、交通管理等場景中具有廣泛應用價值,能夠支持語義空間分析與系統優化,揭示地理現象間的潛在關聯,為科學研究和政策制定提供依據。然而,由于地理知識圖譜的結構復雜性和數據多源性,目前的構建方法大多依賴專家知識和手工操作,導致時間成本和人力成本居高不下。同時,不同數據來源和應用場景下的知識圖譜構建過程缺乏通用性和靈活性,難以實現復用,嚴重制約了地理知識圖譜的可擴展性與實際應用效果。

近年來,大語言模型憑借其強大的自然語言能力和推理規劃能力,為解決上述問題提供了新的思路。本文提出了一種基于大語言模型智能體的地理知識圖譜自動化構建方案,旨在降低構建成本并提高通用性。該方案利用大語言模型的能力設計自動解析與處理流程,并通過引入基于推理的反饋機制提升執行成功率。在北京和長沙兩個城市的多源異構地理數據上的實驗驗證了該方案的有效性,并為城市安全應急提供了新方式,為地理知識圖譜的自動構建提供了新范式。

本文主要貢獻可總結為如下三點:

(1)針對現有地理知識圖譜構建過程依賴專家規則、效率低、通用性差等問題,本文首次提出一種融合大語言模型推理與規劃能力的地理大數據知識圖譜自動構建新范式,實現從多源異構地理數據到知識圖譜的端到端自動化生成。

(2)構建包含規劃執行單元、記憶單元、自主反思單元在內的智能體體系,明確了內容理解、實體對齊、關聯分析、質量驗證等核心任務模塊,并結合檢索增強生成(RetrievalAugmented Generation, RAG)與自動化代碼生成實現了可復用的自動構建流程。

(3)在北京和長沙兩地的多源異構地理數據上開展實驗,結果表明所提出方法能夠高效生成高質量的地理知識圖譜,并在城市安全應急等典型應用場景中展現出良好的實用性與可擴展性。


本文詳細內容請下載:

http://m.tom3567.com/resource/share/2000006648


作者信息:

劉穎1,2,李勇1

(1.清華大學電子工程系,北京100086;

2.湖南省長沙市雅禮中學,湖南長沙410001)


Magazine.Subscription.jpg

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 国产不卡视频在线| 国产精品美女久久久久av超清| 伊人久久大香线蕉精品| 日韩一级免费在线观看| 国产精品久久久久久久天堂| 日韩欧美视频网站| 国产在线精品91| 欧美亚洲另类在线| 国产日本欧美视频| 99国产精品白浆在线观看免费| 国产精品自拍小视频| 亚洲91精品在线观看| 国产精品日韩av| 日日噜噜噜噜夜夜爽亚洲精品| 欧美中文字幕在线视频| 亚洲色欲久久久综合网东京热| 国产精品视频免费观看www| 精品中文字幕视频| 免费99精品国产自在在线| 日本高清久久一区二区三区| 少妇免费毛片久久久久久久久| 尤物一区二区三区| 亚洲欧洲久久| 日韩中文字幕第一页| 日本一区二区久久精品| 日本视频一区二区在线观看| 91久久久久久久一区二区| 国产精品av网站| 91久久大香伊蕉在人线| 99视频免费播放| 91精品在线看V| 91精品国产91| 白嫩少妇丰满一区二区| 国产美女精品视频免费观看| 国产免费色视频| 日本三级中国三级99人妇网站| julia一区二区中文久久94| 久久精品国产理论片免费| 久久久久久亚洲| 国模精品娜娜一二三区| 国产麻豆日韩|