基于实体感知预训练语言模型的矿物知识图谱补全

季晓慧; 杨中基; 张占昊; 杨眉; 许博; 吕国诚; 刘敏; 张招崇; 张静; 王春宁

doi:10.13745/j.esf.sf.2026.2.22

地学前缘 ›› 2026, Vol. 33 ›› Issue (4) : 203 -210. DOI: 10.13745/j.esf.sf.2026.2.22

基于实体感知预训练语言模型的矿物知识图谱补全

季晓慧, 杨中基, 张占昊, 杨眉, 许博, 吕国诚, 刘敏, 张招崇, 张静, 王春宁

作者信息 +

Author information +

文章历史 +

摘要

矿物知识图谱的完备性对其下游应用效能具有关键影响。为提升矿物知识图谱的完整性，本文提出一种基于实体感知预训练语言模型的知识图谱补全方法。首先，收集并整合最新矿物资料，扩展已有知识库，并将新增矿物实体转化为图谱中的节点。为补全实体间缺失的关系，本文使用矿物领域数据对语言模型进行微调，以增强其矿物知识理解与推理能力。在此基础上，通过频繁模式挖掘自动生成结构化提示词，并结合检索增强生成技术，在提示中引入相关上下文信息，从而进一步提升模型在知识三元组判定任务上的准确性与可靠性。本文采用Python实现了上述方法，并与现有相关模型进行了对比实验，结果表明本方法在Hits@5、Hits@10指标上显著优于对比模型，补全后矿物知识图谱总关系数提升8.4%,验证了本方法在矿物知识图谱补全任务上的有效性，为完善矿物知识体系提供了可行的技术路径与工具支持。