基于TransKG-Chat的交通运输知识模型构建及应用-交通运输研究

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

基于TransKG-Chat的交通运输知识模型构建及应用

作者:

关键词:

摘要：

研究背景与问题

研究背景：随着交通运输行业的快速发展，交通领域的知识体系日益复杂。传统的交通领域知识模型在结构化表达和复杂知识自动抽取方面存在不足，难以满足实际应用的需求。因此，如何有效构建和利用交通运输知识模型，成为一个亟待解决的问题。问题陈述：传统的知识模型在交通领域的知识表示、自动抽取和推理方面存在以下问题： 1. 知识表示不精确，难以表达交通运输领域复杂的关系； 2. 知识抽取能力有限，无法自动识别和提取复杂知识； 3. 知识推理效率低，难以在知识应用过程中发挥模型的价值。

研究方法

本文针对上述问题，提出了一种基于TransKG交通运输知识大模型及TransKG-Chat知识图谱自动构建方法。具体方法如下： 1. 收集和整理交通运输专业语料，为模型训练提供数据支持； 2. 采用指令微调、高层有监督参数优化与多任务联合损失策略，提高模型对交通运输知识的理解和表达能力； 3. 设计TransKG-Chat算法，实现知识图谱的自动构建，包括实体识别、关系抽取和知识整合等环节； 4. 通过对比实验和实际应用案例，验证模型的性能和有效性。

核心结果

本研究取得了以下核心结果： 1. 通过TransKG-Chat算法，成功构建了交通运输领域知识图谱，实现了对复杂知识的自动抽取和表示； 2. 在对比实验中，TransKG-Chat在实体识别、关系抽取等任务上优于其他模型； 3. 在实际应用场景中，TransKG-Chat展现出较好的性能，能够有效地支持交通领域的问题求解。

结论与意义

本文提出的TransKG-Chat方法在交通运输知识模型的构建和应用方面取得了一定的成果，主要体现在以下方面： 1. 有效提高了交通领域知识模型的结构化表达和复杂知识自动抽取能力； 2. 为交通运输领域知识的深入研究和实际应用提供了有力支持； 3. 为其他复杂领域知识模型的构建提供了有益的借鉴和参考。

文章来源：《交通运输研究》网址: http://www.hlyzhkz.cn/qikandaodu/2025/1029/333.html