基于大模型和知識圖譜的標(biāo)準(zhǔn)領(lǐng)域融合應(yīng)用方法研究

鄭佳明 陳家賓 胡杰鑫 楊洪杰

關(guān)鍵詞：標(biāo)準(zhǔn)，大模型，知識圖譜，智能應(yīng)用，融合應(yīng)用

0 引言

標(biāo)準(zhǔn)是為獲得最佳秩序、促進(jìn)最佳社會效益，以科學(xué)、技術(shù)和實(shí)踐經(jīng)驗(yàn)的綜合成果為基礎(chǔ)的重要文件。船舶行業(yè)標(biāo)準(zhǔn)更是覆蓋船舶海工裝備設(shè)計(jì)、建造、運(yùn)維、保障全生命周期的重要數(shù)據(jù)，在船舶海工裝備研制應(yīng)用過程中發(fā)揮著重要作用。然而現(xiàn)階段的標(biāo)準(zhǔn)編制及應(yīng)用主要存在著標(biāo)準(zhǔn)編制發(fā)布周期長、貫徹實(shí)施效率低等主要問題。高質(zhì)量裝備高效研制生產(chǎn)要求標(biāo)準(zhǔn)從業(yè)人員不斷創(chuàng)新標(biāo)準(zhǔn)化工作方式，進(jìn)一步提升標(biāo)準(zhǔn)知識供給等方向的標(biāo)準(zhǔn)貫徹實(shí)施效率。

2022年底，OpenAI發(fā)布具有1750億參數(shù)的大規(guī)模預(yù)訓(xùn)練語言模型ChatGPT，因其表現(xiàn)出的卓越自然語言理解、自然語言生成與推理性能，引發(fā)了國際范圍內(nèi)對于大規(guī)模語言模型的研究及應(yīng)用熱潮。作為擁有超大規(guī)模參數(shù)化知識庫的通用人工智能知識底座，大模型能夠?yàn)闃?biāo)準(zhǔn)的高效研制及智能化應(yīng)用提供卓有成效的解決方案，但囿于其訓(xùn)練數(shù)據(jù)的領(lǐng)域缺乏性及模型訓(xùn)練的不可解釋性，大模型并不能夠?yàn)榇怪鳖I(lǐng)域的專業(yè)應(yīng)用提供可信度足夠高、時效性足夠強(qiáng)的專業(yè)建議。標(biāo)準(zhǔn)知識圖譜能夠打破標(biāo)準(zhǔn)內(nèi)部原有組織結(jié)構(gòu)，基于用戶需求重組標(biāo)準(zhǔn)內(nèi)部知識單元，建立標(biāo)準(zhǔn)內(nèi)部標(biāo)準(zhǔn)化對象與其技術(shù)要求、試驗(yàn)方法、試驗(yàn)流程、工藝準(zhǔn)備等知識要素之間的關(guān)聯(lián)以及標(biāo)準(zhǔn)之間的引用、代替、共用技術(shù)指標(biāo)、相同適用范圍等有效關(guān)聯(lián)，使用戶擺脫標(biāo)準(zhǔn)查詢、翻閱等傳統(tǒng)標(biāo)準(zhǔn)知識獲取方式，滿足用戶進(jìn)行標(biāo)準(zhǔn)知識精準(zhǔn)檢索、關(guān)聯(lián)分析等智能化應(yīng)用需求。然而，標(biāo)準(zhǔn)知識圖譜由于構(gòu)建代價高昂，使得不少領(lǐng)域研究者“望而卻步”。因此，探索一套基于大模型和知識圖譜的標(biāo)準(zhǔn)領(lǐng)域融合應(yīng)用方法對標(biāo)準(zhǔn)化工作方式革新與標(biāo)準(zhǔn)貫徹實(shí)施效率提升具有重要意義。

1 開源大模型調(diào)研及應(yīng)用研究

（1）大模型介紹及應(yīng)用示意

模型的本質(zhì)是對現(xiàn)實(shí)世界中數(shù)據(jù)和規(guī)律的一種抽象和描述。模型的目的是為了從數(shù)據(jù)中找出一些規(guī)律和模式，并用這些規(guī)律和模式來預(yù)測未來的結(jié)果。而大模型是指具有非常大的參數(shù)數(shù)量的人工神經(jīng)網(wǎng)絡(luò)模型。在深度學(xué)習(xí)領(lǐng)域，大模型通常是指具有數(shù)億到數(shù)萬億參數(shù)的模型。

自2022年底OpenAI發(fā)布ChatGPT3.5之后，因其所表現(xiàn)出的卓越的自然語言理解能力與交互及推理能力，引起了全球范圍內(nèi)對于大模型的研究關(guān)注。在國內(nèi)，百度率先發(fā)布了產(chǎn)業(yè)級的知識增強(qiáng)大模型“文心一言”，商湯科技在發(fā)布了具有320億參數(shù)的視覺大模型之后，又發(fā)布了“日日新 SenseNova”大模型體系，科大訊飛發(fā)布了“星火”認(rèn)知大模型，具備了較強(qiáng)的內(nèi)容生成和邏輯推理能力；學(xué)術(shù)研究層面，清華大學(xué)發(fā)布了完全自研的、開源開放的中英文雙語預(yù)訓(xùn)練語言模型，并基于此模型經(jīng)由智譜AI發(fā)布了生成式對話語言模型ChatGLM[1]。在國外相關(guān)AI企業(yè)/機(jī)構(gòu)/高校中，以Google谷歌與Microsoft微軟兩大科技巨頭為競爭漩渦。兩大科技巨頭中不僅在通用大模型、行業(yè)大模型、垂直大模型與專屬大模型，更在模型層、應(yīng)用層與技術(shù)層均全面競爭并領(lǐng)先國內(nèi)。GoogleAI發(fā)布了具有改進(jìn)的多語言、推理和編程能力的最新語言模型PaLM 2[2]、Meta（原FaceBook）分別發(fā)布了7B、13B、33B和65B四種規(guī)模的大模型LLaMa[3]、OpenAI又發(fā)布了具有多模態(tài)處理理解能力以及更強(qiáng)大創(chuàng)造性的GPT4.0。

國內(nèi)外的學(xué)術(shù)界及產(chǎn)業(yè)界都在集中優(yōu)勢資源、算力進(jìn)行大模型領(lǐng)域的應(yīng)用及研究工作。同樣，為滿足船舶工業(yè)制造標(biāo)準(zhǔn)領(lǐng)域不斷提升的效率及質(zhì)量要求，標(biāo)準(zhǔn)領(lǐng)域也應(yīng)及時啟動相關(guān)探索及研究工作，以期“站在巨人的肩膀上”提升標(biāo)準(zhǔn)化工作效率及標(biāo)準(zhǔn)實(shí)施效能。表1為面向標(biāo)準(zhǔn)快速研制方向與ChatGPT3.5模型進(jìn)行對話獲取信息的過程展示，可以看出大規(guī)模預(yù)訓(xùn)練語言模型具備較強(qiáng)的自然語言理解能力及交互能力，并且能夠在船舶工業(yè)制造及標(biāo)準(zhǔn)領(lǐng)域給予具有較高參考價值的建議。

（2）大模型應(yīng)用及研究進(jìn)展

為了順利開展標(biāo)準(zhǔn)領(lǐng)域結(jié)合大模型的應(yīng)用研究，要進(jìn)行針對于各個典型行業(yè)如醫(yī)療、金融等的開源微調(diào)大模型項(xiàng)目調(diào)研以及相關(guān)具有可復(fù)用或者可參考價值的工具接口及數(shù)據(jù)集，對相關(guān)性及可用性較強(qiáng)的項(xiàng)目進(jìn)行標(biāo)準(zhǔn)領(lǐng)域的可用性驗(yàn)證。表2列出了部分前期針對大模型微調(diào)的開源項(xiàng)目情況，表3為部分大模型指令、工具、數(shù)據(jù)調(diào)研情況，表4為現(xiàn)階段AIGC領(lǐng)域部分已面向大量用戶開放使用接口的應(yīng)用工具情況。

2 標(biāo)準(zhǔn)知識圖譜應(yīng)用研究

標(biāo)準(zhǔn)知識圖譜是打破標(biāo)準(zhǔn)內(nèi)部原有組織結(jié)構(gòu)，面向標(biāo)準(zhǔn)知識高效供給、智能體系分析等需求，建模標(biāo)準(zhǔn)內(nèi)部知識關(guān)聯(lián)及標(biāo)準(zhǔn)之間相關(guān)性的新型標(biāo)準(zhǔn)知識庫?；跇?biāo)準(zhǔn)知識圖譜能使用戶擺脫傳統(tǒng)的知識供給方式、提供精準(zhǔn)檢索、智能問答、關(guān)聯(lián)分析等主要功能。圖1為將標(biāo)準(zhǔn)內(nèi)部知識進(jìn)行結(jié)構(gòu)化知識抽取，構(gòu)建圖譜知識單元以及問答應(yīng)用的示意。

要提升知識圖譜于標(biāo)準(zhǔn)領(lǐng)域的應(yīng)用效能，則要面向標(biāo)準(zhǔn)知識快速供給、標(biāo)準(zhǔn)編制智能輔助等應(yīng)用需求，進(jìn)行標(biāo)準(zhǔn)智能應(yīng)用需求研究、標(biāo)準(zhǔn)知識建模研究、智能化應(yīng)用研究等。標(biāo)準(zhǔn)智能應(yīng)用需求研究指的是：通過電話調(diào)研、實(shí)地溝通等方式，發(fā)掘現(xiàn)階段標(biāo)準(zhǔn)貫徹實(shí)施中的應(yīng)用痛點(diǎn)，并提出解決方案建議。標(biāo)準(zhǔn)智能建模研究指的是系統(tǒng)分析產(chǎn)品標(biāo)準(zhǔn)、設(shè)計(jì)標(biāo)準(zhǔn)、工藝標(biāo)準(zhǔn)、試驗(yàn)方法等不同類別標(biāo)準(zhǔn)內(nèi)容組織方式，探索研究離散數(shù)字化標(biāo)準(zhǔn)數(shù)據(jù)結(jié)構(gòu)。標(biāo)準(zhǔn)智能化應(yīng)用研究指的是：面向標(biāo)準(zhǔn)智能化應(yīng)用需求，基于知識圖譜等技術(shù)手段，進(jìn)行知識檢索、知識對比、知識推薦、知識問答等應(yīng)用研究。

3 基于大模型和知識圖譜的標(biāo)準(zhǔn)領(lǐng)域融合應(yīng)用方法研究

3.1 大模型及知識圖譜構(gòu)建應(yīng)用的優(yōu)劣分析

（1）大模型構(gòu)建應(yīng)用的主要優(yōu)劣分析

與其他近年來的所發(fā)布的Bert、GPT2以及T5等預(yù)訓(xùn)練語言模型相比，ChatGPT等大模型具有以下幾個方面的優(yōu)勢：

1）訓(xùn)練數(shù)據(jù)規(guī)模更大，ChatGPT等大模型的訓(xùn)練數(shù)據(jù)規(guī)模是其他語言模型的數(shù)倍甚至數(shù)十倍，可以學(xué)習(xí)到更多的語言知識和語言規(guī)律，具備更強(qiáng)的用戶交互能力和語言生成能力。

2）模型參數(shù)更多，算力要求更高：ChatGPT等大模型使用了大量的模型參數(shù)，并基于極高的算力，通過不斷優(yōu)化算法和模型結(jié)構(gòu)，使得它在語言模型的各項(xiàng)任務(wù)上表現(xiàn)優(yōu)異。

3）語言生成能力更強(qiáng)：ChatGPT等大模型可以自動生成流暢、自然的文本，包括自然對話、見解文章，乃至于規(guī)范代碼等。

4）自然語言理解能力更強(qiáng)，對話交互性更好：ChatGPT等大模型可以進(jìn)行對話交互，能夠理解用戶提出的問題并生成相應(yīng)的回答，且能生成長文本密集型答案。

雖然大模型于多個產(chǎn)業(yè)研究領(lǐng)域都表現(xiàn)出了卓越的性能，但其仍然有著不可忽視的弊端，表5所示為標(biāo)準(zhǔn)領(lǐng)域的大模型交互過程，可發(fā)現(xiàn)大模型所生成的答案具備著較強(qiáng)的不可靠性和不穩(wěn)定性。

在表5的第一次問答中，美國海岸警衛(wèi)隊(duì)發(fā)布國際海事組織（IMO）的標(biāo)準(zhǔn)基本是不可能的，且也并未在公開渠道查詢到《IMO標(biāo)準(zhǔn)規(guī)則和指南》這份文件。此外，在第二次問答中，大模型給出了一些標(biāo)準(zhǔn)參考建議，然而實(shí)際上GB/T 18997共有兩個標(biāo)準(zhǔn)，分別是GB/T 18997.1-2020《鋁塑復(fù)合壓力管 第1部分：鋁管搭接焊式鋁塑管》[4]和GB/T 18997.2-2020《鋁塑復(fù)合壓力管 第2部分：鋁管對接焊式鋁塑管》[5]。而GB/ T 15115指的是我國GB/ T 15115-2009《壓鑄鋁合金》[6]這項(xiàng)標(biāo)準(zhǔn)?？梢姶竽Ｐ驮趯I(yè)領(lǐng)域性極強(qiáng)的垂直領(lǐng)域的生成內(nèi)容，具有較強(qiáng)不可靠性?？傮w而言，大模型的弊端主要體現(xiàn)在時效性、可靠性、可解釋性、穩(wěn)定性等方面：

1）不及時性。以ChatGPT3.5為例，其所使用的訓(xùn)練數(shù)據(jù)的截止日期為2021年底，也就是說大模型并不能針對實(shí)時問題進(jìn)行回答，并且由于其模型訓(xùn)練所需數(shù)據(jù)量極大，訓(xùn)練周期較長，所以模型更新速度較慢。

2）不可靠性。由于語言生成模型生成文本的模型特征，大模型可能寫出看似合理但不正確的答案。這既是因?yàn)樯赡Ｐ偷恼Z言生成機(jī)制，也是因?yàn)橛?xùn)練時所用數(shù)據(jù)的專業(yè)性和真實(shí)性不夠。

3）不可解釋性。大模型采用的依然是深度學(xué)習(xí)的訓(xùn)練策略，其訓(xùn)練過程依然是不可解釋的“黑盒”，那么也就導(dǎo)致在船舶工業(yè)制造領(lǐng)域，大模型生成的結(jié)果不敢用、不可用。

4）不穩(wěn)定性。大模型對輸入文本的變化以及或多次嘗試相同的提示很敏感。當(dāng)給定一個問題的輸入后，模型可能聲稱不知道答案，但只要稍作改寫，就可以正常回答，或前后兩次相同用戶輸入的輸出不一樣。

大模型具備在通用領(lǐng)域的用戶交互能力，但其在專業(yè)領(lǐng)域的答案可解釋性、可靠性、穩(wěn)定性卻是在船舶工業(yè)制造領(lǐng)域必須解決的問題，為此應(yīng)考慮利用知識圖譜數(shù)據(jù)庫的可解釋、可推理、穩(wěn)定性強(qiáng)等諸多優(yōu)勢來彌補(bǔ)大模型帶來的諸多弊端。

（2）知識圖譜構(gòu)建應(yīng)用的優(yōu)劣分析

根據(jù)前期研究及應(yīng)用經(jīng)驗(yàn)，可知知識圖譜在專業(yè)領(lǐng)域較強(qiáng)的垂直領(lǐng)域具有可沉淀、可解釋、可推理、高效率等主要優(yōu)勢。

1）可沉淀指的是知識圖譜能很好地沉淀積累領(lǐng)域知識，此外，知識圖譜的可拓展性能為用戶提供方便高效的知識拓展方式。

2）可解釋指的是知識庫系統(tǒng)為用戶提供的知識是來源領(lǐng)域數(shù)據(jù)中的可靠數(shù)據(jù)，可以直接根據(jù)路徑溯源找到其知識供給路徑。

3）可推理性指的是知識圖譜通過建模知識單元之間的關(guān)聯(lián)，使得海量知識單元之間構(gòu)建了大量不同類別的連接路徑，用戶可以基于深度知識圖譜嵌入的知識推理為結(jié)果找到合理可信的路徑解釋。

4）高效率指的是用戶可擺脫傳統(tǒng)的文檔關(guān)聯(lián)搜索、目錄段落查找、知識瀏覽獲取的方式，實(shí)現(xiàn)精準(zhǔn)問答檢索，大幅度提高了用標(biāo)人員的標(biāo)準(zhǔn)知識獲取效率。

然而在實(shí)際的工程應(yīng)用過程中，領(lǐng)域知識圖譜構(gòu)建及應(yīng)用的弊端也是顯而易見的，即成本高、代價大。具體而言，領(lǐng)域知識圖譜構(gòu)建的問題主要有以下方面：

1）整個產(chǎn)業(yè)圖譜生產(chǎn)流程過長，涉及到數(shù)據(jù)預(yù)處理、本體定義、實(shí)體抽取、關(guān)系抽取、圖譜融合、應(yīng)用算法研究、服務(wù)平臺研發(fā)等，多個流程之間容易發(fā)生錯誤累計(jì)，成本累積等。

2）在知識圖譜數(shù)據(jù)層構(gòu)建過程中，由于純?nèi)斯?biāo)注工作量過大，通常需要先進(jìn)行有監(jiān)督數(shù)據(jù)集的構(gòu)造，而后進(jìn)行相應(yīng)信息抽取算法的開發(fā)，進(jìn)而進(jìn)行人機(jī)結(jié)合式的知識單元抽取，以構(gòu)建合理可信的領(lǐng)域知識圖譜數(shù)據(jù)層，然而這其中的每一個環(huán)節(jié)都是耗時耗力的。

3）知識圖譜的領(lǐng)域?qū)傩暂^強(qiáng)，一般需要領(lǐng)域?qū)＜疫M(jìn)行基于用戶需求的領(lǐng)域本體知識體系構(gòu)建，還需要參與到數(shù)據(jù)標(biāo)注后期的知識校對工作中，這進(jìn)一步導(dǎo)致了領(lǐng)域知識圖譜的構(gòu)建成本上升。

3.2 基于大模型和知識圖譜的融合應(yīng)用方法研究

為了充分利用大模型和知識圖譜二者的優(yōu)勢，使其優(yōu)劣相互彌補(bǔ)，不斷提升領(lǐng)域工程完成效率，需探索基于大模型和知識圖譜的標(biāo)準(zhǔn)領(lǐng)域融合應(yīng)用方法。通過系統(tǒng)調(diào)研及思考，主要有以下三個方向思路的融合應(yīng)用研究：一是大模型輔助知識圖譜構(gòu)建；二是知識圖譜輔助大模型訓(xùn)練并幫助提升大模型生成結(jié)果的可信性；三是在二者成熟平臺上互相調(diào)用交互接口，以達(dá)到互相增強(qiáng)的目的。

（1）大模型輔助知識圖譜構(gòu)建

大模型最大的魅力在于其通用能力，研究者可以利用大模型在諸多零樣本（zeroshot）或小樣本（fewshot）領(lǐng)域場景下，提升知識圖譜構(gòu)建過程中各個環(huán)節(jié)的完成效率，如本體構(gòu)建、信息抽取、知識融合、關(guān)系推理等。但大模型的通用性強(qiáng)也就意味著在很多領(lǐng)域中的專業(yè)性差，而專業(yè)性差的問題恰恰可通過高精度的領(lǐng)域小模型來解決。初步設(shè)定的主要技術(shù)路線如圖2所示，為領(lǐng)域知識圖譜構(gòu)建環(huán)節(jié)中的每個任務(wù)設(shè)計(jì)專用prompt（一種提示文本，可以指導(dǎo)語言模型生成更符合用戶意圖的相應(yīng)）。將每個環(huán)節(jié)的任務(wù)利用特定prompt模型化為核心要素填充或多輪問答任務(wù)，進(jìn)而提高領(lǐng)域知識圖譜的構(gòu)建效率。

（2）知識圖譜輔助大模型研發(fā)

知識圖譜因其結(jié)構(gòu)化語義豐富、知識來源真實(shí)、可推理性更強(qiáng)等優(yōu)勢可以很好地彌補(bǔ)大模型因“黑盒”特點(diǎn)導(dǎo)致的不可解釋性和不可靠性等弊端，則應(yīng)使知識圖譜在大模型的訓(xùn)練前、訓(xùn)練中和訓(xùn)練后分別發(fā)揮作用。

1）大模型訓(xùn)練前

大模型需要規(guī)模極大的高質(zhì)量訓(xùn)練數(shù)據(jù)，為縮短數(shù)據(jù)獲取及預(yù)處理周期，可以利用知識圖譜作為領(lǐng)域經(jīng)驗(yàn)知識對語料數(shù)據(jù)進(jìn)行錯誤檢測，可以很好地提升大模型訓(xùn)練數(shù)據(jù)的質(zhì)量和獲取效率；此外，還可以直接利用知識圖譜中大量已有的結(jié)構(gòu)化知識單元，直接顯式地進(jìn)行形式化轉(zhuǎn)換，將其引入大模型的預(yù)訓(xùn)練語料，擴(kuò)充大模型訓(xùn)練數(shù)據(jù)規(guī)模。

2）大模型訓(xùn)練過程中

大模型在訓(xùn)練過程中，其效果受數(shù)據(jù)質(zhì)量、模型架構(gòu)、訓(xùn)練優(yōu)化等因素影響，引入知識圖譜可以增強(qiáng)模型的有效性。采用知識嵌入模型加大模型聯(lián)合訓(xùn)練的模式，將知識圖譜隱式地加入到模型訓(xùn)練中，使大模型中的參數(shù)化語義與知識圖譜中的形式化語義產(chǎn)生深度融合，增強(qiáng)大模型的有效性和可信性；此外，還可以構(gòu)建以領(lǐng)域知識圖譜為中心的下游評測任務(wù)，在大模型訓(xùn)練評估階段發(fā)揮作用。

3）訓(xùn)練后階段

大模型在訓(xùn)練之后，要結(jié)合實(shí)際場景，利用特定的prompt，更大地激發(fā)大模型的領(lǐng)域應(yīng)用能力。在構(gòu)造prompt時，利用知識圖譜作為先驗(yàn)知識進(jìn)行prompt前約束，增強(qiáng)結(jié)果可控性；為解決領(lǐng)域生成局限性現(xiàn)象，在構(gòu)造prompt時，引入涉及實(shí)體的上下文進(jìn)行豐富，增強(qiáng)結(jié)果可用性；為解決生成結(jié)果不可靠問題，對模型生成后的結(jié)果進(jìn)行后約束，減少模型事實(shí)性錯誤；為解決大模型實(shí)時性問題，通過query實(shí)體消歧和實(shí)體鏈接，優(yōu)化搜索引擎實(shí)時結(jié)果，增強(qiáng)生成準(zhǔn)確性。

（3）大模型應(yīng)用平臺和知識圖譜智能應(yīng)用平臺的相互增強(qiáng)

知識圖譜平臺與大模型平臺利用雙知識平臺進(jìn)行相互增強(qiáng)也是一種應(yīng)用方向。知識圖譜目前有相應(yīng)的知識圖譜平臺，具備網(wǎng)絡(luò)分析、圖數(shù)據(jù)庫查詢、可視化展示，推理鏈條可解釋形象化展示等功能。大模型目前通過系統(tǒng)接口、插件的方式又可以作為一個靈活的組件嵌入到知識圖譜平臺當(dāng)中，用于提升平臺效能。對于大模型平臺來說，知識圖譜平臺可以用來沉淀大模型平臺中任務(wù)驅(qū)動的關(guān)鍵知識，實(shí)現(xiàn)精確、可解釋的問答等智能化知識供給任務(wù)。

考慮到各領(lǐng)域標(biāo)準(zhǔn)智能化應(yīng)用研究現(xiàn)狀，以及大模型對于數(shù)據(jù)量以及算力的極高要求，單一行業(yè)標(biāo)準(zhǔn)化研究人員很難在有限條件下，利用已有知識圖譜數(shù)據(jù)來進(jìn)行大模型的優(yōu)化和微調(diào)。此外現(xiàn)階段也并無成熟開源的大模型應(yīng)用平臺可以直接集成至內(nèi)部的知識圖譜應(yīng)用平臺中。因此標(biāo)準(zhǔn)領(lǐng)域智能化應(yīng)用研究人員應(yīng)持續(xù)對第二及第三種思路進(jìn)行探索式方法研究，將主要精力側(cè)重于開源大模型輔助領(lǐng)域知識圖譜的構(gòu)建及應(yīng)用方向。

4 總結(jié)

《國家標(biāo)準(zhǔn)化發(fā)展綱要》提出將標(biāo)準(zhǔn)數(shù)字化程度不斷提高作為重要目標(biāo)，提出發(fā)展機(jī)器可讀標(biāo)準(zhǔn)、開源標(biāo)準(zhǔn)、推動標(biāo)準(zhǔn)化工作向數(shù)字化、網(wǎng)絡(luò)化、智能化轉(zhuǎn)型。同時，為滿足型號研制單位對標(biāo)準(zhǔn)智能化應(yīng)用的建設(shè)需求，要積極探索領(lǐng)域大模型的研究及知識圖譜的領(lǐng)域應(yīng)用研究進(jìn)展，系統(tǒng)分析大模型及知識圖譜在標(biāo)準(zhǔn)數(shù)字化建設(shè)上的應(yīng)用優(yōu)劣，探索出一條大模型與知識圖譜融合應(yīng)用、相互增強(qiáng)的標(biāo)準(zhǔn)智能化建設(shè)道路，為領(lǐng)域標(biāo)準(zhǔn)研究及應(yīng)用人員提供高可用性的智能化標(biāo)準(zhǔn)應(yīng)用服務(wù)，為型號產(chǎn)品研制提供更強(qiáng)的標(biāo)準(zhǔn)支撐力量。