Построение морского графа знаний с использованием GraphRAG для извлечения сущностей и отношений из морских документов

В международной судоходной отрасли цифровая интеллектуальная трансформация стала необходимостью, при этом правительства и предприятия активно работают над интеграцией разнородных наборов данных. Морская и судоходная отрасль характеризуется огромным разнообразием типов документов, содержащих сложные, крупномасштабные и зачастую неструктурированные знания и взаимосвязи. Эффективное управление этими документами имеет решающее значение для разработки большой языковой модели (Large Language Model, LLM) в морской предметной области, позволяющей специалистам получать доступ к ценной информации и использовать ее. Граф знаний (Knowledge Graph, KG) представляет собой современное решение для совершенствования поиска знаний, обеспечивая более точные ответы и контекстно-зависимое рассуждение. В статье представлен подход к использованию морских и судоходных документов для построения графа знаний с помощью GraphRAG — гибридного инструмента, объединяющего возможности графового поиска и генерации. Подробно описаны извлечение сущностей и отношений из этих документов, а также процесс построения графа знаний. Кроме того, граф знаний интегрирован с большой языковой моделью для разработки системы вопросов и ответов; показано, что по сравнению с традиционными большими языковыми моделями эта система существенно повышает точность ответов. Помимо этого, процесс построения графа знаний выполняется до 50% быстрее, чем при использовании традиционных подходов на основе больших языковых моделей, что подчеркивает эффективность предложенного метода. Данное исследование предлагает перспективный подход к цифровой интеллектуализации судоходства, способствующий повышению доступности знаний и совершенствованию принятия решений.