《電子技術(shù)應(yīng)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(xiàn)標(biāo)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(shù)據(jù)知識圖譜構(gòu)建及安全應(yīng)用［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)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(lǐng)域中的概念、實體及其關(guān)系，構(gòu)建起結(jié)構(gòu)化的地理知識表達(dá)體系，為復(fù)雜地理任務(wù)中的知識推理與決策支持提供了重要基礎(chǔ)。其在城市規(guī)劃、災(zāi)害應(yīng)急響應(yīng)、交通管理等場景中具有廣泛應(yīng)用價值，能夠支持語義空間分析與系統(tǒng)優(yōu)化，揭示地理現(xiàn)象間的潛在關(guān)聯(lián)，為科學(xué)研究和政策制定提供依據(jù)。然而，由于地理知識圖譜的結(jié)構(gòu)復(fù)雜性和數(shù)據(jù)多源性，目前的構(gòu)建方法大多依賴專家知識和手工操作，導(dǎo)致時間成本和人力成本居高不下。同時，不同數(shù)據(jù)來源和應(yīng)用場景下的知識圖譜構(gòu)建過程缺乏通用性和靈活性，難以實現(xiàn)復(fù)用，嚴(yán)重制約了地理知識圖譜的可擴(kuò)展性與實際應(yīng)用效果。

近年來，大語言模型憑借其強(qiáng)大的自然語言能力和推理規(guī)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(gòu)建方案，旨在降低構(gòu)建成本并提高通用性。該方案利用大語言模型的能力設(shè)計自動解析與處理流程，并通過引入基于推理的反饋機(jī)制提升執(zhí)行成功率。在北京和長沙兩個城市的多源異構(gòu)地理數(shù)據(jù)上的實驗驗證了該方案的有效性，并為城市安全應(yīng)急提供了新方式，為地理知識圖譜的自動構(gòu)建提供了新范式。

本文主要貢獻(xiàn)可總結(jié)為如下三點：

（1)針對現(xiàn)有地理知識圖譜構(gòu)建過程依賴專家規(guī)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(guī)劃能力的地理大數(shù)據(jù)知識圖譜自動構(gòu)建新范式，實現(xiàn)從多源異構(gòu)地理數(shù)據(jù)到知識圖譜的端到端自動化生成。

（2)構(gòu)建包含規(guī)劃執(zhí)行單元、記憶單元、自主反思單元在內(nèi)的智能體體系，明確了內(nèi)容理解、實體對齊、關(guān)聯(lián)分析、質(zhì)量驗證等核心任務(wù)模塊，并結(jié)合檢索增強(qiáng)生成(RetrievalAugmented Generation, RAG)與自動化代碼生成實現(xiàn)了可復(fù)用的自動構(gòu)建流程。

（3)在北京和長沙兩地的多源異構(gòu)地理數(shù)據(jù)上開展實驗，結(jié)果表明所提出方法能夠高效生成高質(zhì)量的地理知識圖譜，并在城市安全應(yīng)急等典型應(yīng)用場景中展現(xiàn)出良好的實用性與可擴(kuò)展性。


本文詳細(xì)內(nèi)容請下載：

http://ihrv.cn/resource/share/2000006648


作者信息：

劉穎1，2，李勇1

（1.清華大學(xué)電子工程系，北京100086；

2.湖南省長沙市雅禮中學(xué)，湖南長沙410001）


Magazine.Subscription.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。