トンネル火災時の緊急時対応における知識グラフ・大規模言語モデル融合アプローチ

科学分野:

• 緊急時対応
• 知識管理
• 人工知能

背景:

• ガス導管の緊急事態には、迅速かつ正確な意思決定が必要である。
• 緊急時知識は、構造化されていないデータソースに断片化されていることが多い。
• 既存の方法では、重要な情報への迅速なアクセスが妨げられる。

研究 の 目的:

• ガス導管の緊急事態に対応するための知識推薦アプローチを開発する。
• 知識グラフ（KG）と大規模言語モデル（LLM）を相乗的に組み合わせる。
• 緊急時対応の意思決定の速度と質を向上させる。

主な方法:

• プロンプト最適化されたLLMを使用して、異種緊急文書からドメイン固有のKGを構築する。
• 意味的類似性に基づくベクトル検索を介して関連するサブグラフを検索する。
• 検索されたKG知識を動的にLLMに拡張して、幻覚を減らす。

主要な成果:

• 提案されたKG-LLMアプローチは、スタンドアロンのLLMや他のアーキテクチャを大幅に上回る性能を示した。
• 緊急時知識の精度、完全性、一貫性の改善が実証された。
• この手法は、知識駆動型の意思決定支援のための構造化され解釈可能なアプローチを提供する。

結論:

• 統合されたKG-LLM手法は、ガス導管の緊急時対応を強化する。
• このアプローチは、高リスクシナリオにおける知識アクセシビリティのための新しいソリューションを提供する。
• 重要なイベント中のより情報に基づいたタイムリーな意思決定を促進する。