来源：期刊VIP网 时间：
作者：王启飞;刘昊霖;王俊龙;王健;李鉴;王传涛;孙英峰;李蓓;
单位：北京建筑大学机电与车辆工程学院;北京市科学技术研究院城市系统工程研究所;北京科技大学大安全科学研究院;宁夏回族自治区煤炭地质局;
摘要：为应对安全领域日益复杂且动态变化的政策内容，以官方安全政策问答文本为数据基础，着力构建覆盖不同行业领域的安全政策知识图谱，旨在实现对不同行业领域海量安全政策信息的系统化管理。首先，针对官方在线平台的安全政策问答文本进行筛选与清洗，借助通义千问大语言模型中的qwen-max模型对筛选出来的问答文本信息进行三元组抽取，并存储于图数据库(Neo4j)中以实现安全政策知识图谱的构建。然后，通过结合基于组合的多关系图卷积网络(Composition-based Multi-Relational Graph Convolutional Networks, CompGCN)和DeepPath路径推理方法对安全政策知识图谱进行深度推理，挖掘政策信息间的潜在联系。研究表明，通过大语言模型对安全政策文本信息进行三元组抽取并构建知识图谱，再结合相应推理技术，能够依据不同行业需求，精准推理出相应的安全政策信息，从而显著提升对各领域安全政策信息的系统化管理水平。
关键词：安全工程;;安全政策;;大语言模型;;知识图谱;;知识推理
基金资助：北京市教育委员会科学研究计划项目(KM202410016004);; 北京市科学技术研究院创新培育项目(25CB006-07);; 宁夏自然科学基金项目(2023AAC03778);; 国家自然科学基金项目(U23A20285)
