立项原因：1. 解决现有装备库数据管理痛点的迫切需求，填补智能化整合空白；2. 大模型技术成熟，可高效实现装备实体与关系的自动抽取，降低人工成本；3. 知识图谱的可视化特性，能直观呈现装备关联，契合装备库管理、分析的核心需求；4. 项目核心成员具备框架搭建、技术调研及开发能力，可保障项目落地。
行业背景：现有武器舰船飞机装备库依赖人工记录或简单台账管理，存在明显短板：装备实体（如机型、舰型、武器型号）及关系（如适配机型、搭载武器、维修关联）信息分散；查询特定装备关联信息耗时久；装备数据更新滞后，难以支撑精准调配、科研论证等业务，亟需革新管理模式。
功能模块：1.图谱管理，主要完成图谱自然语言抽取、模块抽取、知识连接、知识对齐，最终将自然语言和文档转化为可视化的图谱。2.信息汇聚，主要完成知识图谱和历史事件数据的关联，可在三维地球上任意区域获取取历史事件，并在历史事件中对关键装备进行动态标记，可关联到对应的装备图谱上。3。起飞适宜性：主要通过战机的历史起飞记录生成起飞边缘值，并根据即将起飞的气象数据生成起飞意见。
采用 Java 结合 Ollama 与 Dify 技术栈，构建了自然语言抽取与本地化部署全流程方案。通过模型调优与流程适配，实现了从非结构化自然语言到结构化实体及关系的精准转换，并完成本地化环境的部署与全量测试，有效解决了自然语言处理中实体关系抽取的自动化难题，为后续知识图谱构建、智能分析等场景提供了高效且可控的技术支撑。
●借助 Neo4j 完成实体与关系向知识图谱的全流程构建，通过其图数据库特性优化数据关联方式，有效破解决了传统图谱数据结构复杂、关联关系梳理困难的核心痛点，实现了实体属性与多维度关系的清晰建模与高效整合，让原本分散、复杂的异构数据形成结构化知识网络，提升了数据组织的逻辑性与后续查询分析的便捷性。
评论