火电厂智能问答方法、装置、计算机设备、及介质

本技术涉及人工智能，特别是涉及一种火电厂智能问答方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着人工智能技术的发展，智能问答系统广泛应用于多个行业，通过智能问答系统可以快速给用户提供基础的解答，给用户带来巨大便捷。

2、以应用于火电厂为例，传统的火电厂智能问答单纯基于大数据的方式实现数据融合的，这数据融合方式解决了在面向整个行业应用领域时难以有效整合不同来源的分散式的行业知识体系、且知识库的更新困难等难点问题。

3、但是，上述传统的火电厂智能问答单方案同样存在针对火电厂相关领域知识泛用性差、且不具备语言处理能力，无法提供准确的智能问答的缺陷。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提供准确智能问答的火电厂智能问答方法、装置、计算机设备、存储介质和计算机程序产品。

2、第一方面，本技术提供了一种火电厂智能问答方法。所述方法包括：

3、根据火电厂设备运行业务，构建故障诊断知识图谱本体模型；

4、对火电厂非结构化数据和专家经验进行知识抽取，得到实体和实体关系数据；

5、将所述实体和实体关系数据导入至所述故障诊断知识图谱本体模型，得到火电厂的故障诊断知识图谱；

6、当检测到用户输入的查询消息时，利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本；

7、根据所述故障原因查询文本在所述火电厂的故障诊断知识图谱中进行查询，得到智能问答结果。

8、在其中一个实施例中，所述根据火电厂设备运行业务，构建故障诊断知识图谱本体模型包括：

9、根据火电厂设备运行业务，通过专家判定和运维需求自上而下确定故障诊断知识图谱本体模型。

10、在其中一个实施例中，所述当检测到用户输入的查询消息时，利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本包括：

11、当检测到用户输入的查询消息时，判断所述查询消息是否完整；

12、若不完整，则推送查询问题补充完整提示消息；

13、若完整，则利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本。

14、在其中一个实施例中，所述当检测到用户输入的查询消息时，利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本包括：

15、当检测到用户输入的查询消息时，识别用户查询意图；

16、若用户查询意图为故障查询意图，则利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本。

17、在其中一个实施例中，所述若用户查询意图为故障查询意图，则利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本包括：

18、若用户查询意图为故障查询意图，则提取所述查询消息中携带的故障现象描述语句；

19、利用大语言模型识别所述故障现场描述语句、并通过打分排序的方式判断故障原因，生成故障原因查询文本。

20、在其中一个实施例中，上述火电厂智能问答方法还包括：

21、若用户查询意图为系统信息查询，则利用火电厂的故障诊断知识图谱对所述查询消息进行处理，得到系统信息查询结果；

22、利用大语言模型对所述系统信息查询结果进行语言整理、并输出。

23、在其中一个实施例中，上述火电厂智能问答方法还包括：

24、当检测到用户输入的查询消息、且识别用户查询意图为故障诊断知识图谱更新意图时，提取所述查询消息中携带的用户身份标识；

25、基于所述用户身份标识，判断用户是否有故障诊断知识图谱更新权限；

26、若有，则根据所述查询消息中携带的数据对所述火电厂的故障诊断知识图谱进行更新。

27、第二方面，本技术还提供了一种火电厂智能问答装置。所述装置包括：

28、初始模块，用于根据火电厂设备运行业务，构建故障诊断知识图谱本体模型；

29、数据抽取模块，用于对火电厂非结构化数据和专家经验进行知识抽取，得到实体和实体关系数据；

30、数据导入模块，用于将所述实体和实体关系数据导入至所述故障诊断知识图谱本体模型，得到火电厂的故障诊断知识图谱；

31、语言处理模块，用于当检测到用户输入的查询消息时，利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本；

32、查询模块，用于根据所述故障原因查询文本在所述火电厂的故障诊断知识图谱中进行查询，得到智能问答结果。

33、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

34、根据火电厂设备运行业务，构建故障诊断知识图谱本体模型；

35、对火电厂非结构化数据和专家经验进行知识抽取，得到实体和实体关系数据；

36、将所述实体和实体关系数据导入至所述故障诊断知识图谱本体模型，得到火电厂的故障诊断知识图谱；

37、当检测到用户输入的查询消息时，利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本；

38、根据所述故障原因查询文本在所述火电厂的故障诊断知识图谱中进行查询，得到智能问答结果。

39、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

40、根据火电厂设备运行业务，构建故障诊断知识图谱本体模型；

41、对火电厂非结构化数据和专家经验进行知识抽取，得到实体和实体关系数据；

42、将所述实体和实体关系数据导入至所述故障诊断知识图谱本体模型，得到火电厂的故障诊断知识图谱；

43、当检测到用户输入的查询消息时，利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本；

44、根据所述故障原因查询文本在所述火电厂的故障诊断知识图谱中进行查询，得到智能问答结果。

45、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

46、根据火电厂设备运行业务，构建故障诊断知识图谱本体模型；

47、对火电厂非结构化数据和专家经验进行知识抽取，得到实体和实体关系数据；

48、将所述实体和实体关系数据导入至所述故障诊断知识图谱本体模型，得到火电厂的故障诊断知识图谱；

49、当检测到用户输入的查询消息时，利用大语言模型对所述查询消息中携带的故障查询语言进行处理，确定故障原因查询文本；

50、根据所述故障原因查询文本在所述火电厂的故障诊断知识图谱中进行查询，得到智能问答结果。

51、上述火电厂智能问答方法、装置、计算机设备、存储介质和计算机程序产品，基于火电厂非结构化数据和专家经验构建故障诊断知识图谱，并使用大语言模型对故障查询语言进行深度理解，通过与故障诊断知识图谱的结合，合理推理出火电厂的智能问答结果，其能够实现准确的火电厂智能问答。