本申请涉及智能决策，尤其涉及一种基于大模型智能体的知识抽取方法、装置、设备及介质。
背景技术：
1、现有的知识抽取方法通常依赖于规则和浅层机器学习模型，这些方法在处理复杂和多样化的自然语言文本时表现出显著的局限性。现有技术难以准确地从非结构化文本中提取高质量的知识，并且缺乏有效地将这些知识集成到知识图谱中的方法。此外，传统的数据采集方法自动化程度不高，通常需要人工使用搜索引擎进行关键词搜索目标网站，整理目标数据源网站，分析网站页面，编写采集规则，并在获取数据后人为观察和调整采集规则和代码。这种方法费时费力，且难以保证数据的全面性和准确性。因此，如何提高抽取知识的准确性成为了目前亟待解决的技术问题。
技术实现思路
1、本申请提供了一种基于大模型智能体的知识抽取方法、装置、设备及介质，以提高抽取知识的准确性。
2、第一方面，本申请提供了一种基于大模型智能体的知识抽取方法，所述方法包括：
3、通过smart方法确定任务目标，并将所述任务目标进行分解处理，生成至少一个任务子目标，其中，所述smart方法包括具体性原则、可测量性原则、可达成性原则、相关性原则和时限性原则；
4、通过自然语言处理技术提取各所述任务子目标的关键信息，并将各所述关键信息进行整合，生成初始知识集合；
5、分别基于所述具体性原则、所述可测量性原则、所述可达成性原则、所述相关性原则和所述时限性原则，对各所述初始知识集合进行校验，将通过校验的所述初始知识集合确定为所述目标知识集合。
6、进一步地，通过smart方法确定任务目标，包括：
7、接收任务目标提取指令；
8、获取目标文本，基于预设任务文本库与所述目标文本，确定所述目标文本中的任务目标。
9、进一步地，将所述任务目标进行分解处理，生成至少一个任务子目标，包括：
10、将所述任务目标对应的预设任务文本作为任务目标文本；
11、将所述任务目标文本进行分解，生成至少一个目标文本片段；
12、根据各所述目标文本片段和所述预设任务文本库，生成至少一个所述任务子目标。
13、进一步地，通过自然语言处理技术提取各所述任务子目标的关键信息，包括：
14、通过所述nlp技术确定各所述任务子目标的关键词；
15、通过句法分析工具确定各所述关键词之间的关联关系，并基于预定义模板和所述关联关系，确定各所述任务子目标的关键信息。
16、进一步地，将各所述关键信息进行整合，生成初始知识集合，包括：
17、基于预设逻辑关系、语义联系和所述关联关系，整合各所述关键信息，生成结构化的所述初始知识集合。
18、进一步地，通过smart方法确定任务目标，并将所述任务目标进行分解处理，生成至少一个任务子目标，其中，所述smart方法包括具体性原则、可测量性原则、可达成性原则、相关性原则和时限性原则之前，包括：
19、收集至少一种知识领域的数据源，并对各所述数据源进行预处理；
20、根据预设任务目标列表和预处理后的各所述数据源，确定各所述数据源对应的所述任务目标。
21、第二方面，本申请还提供了一种基于大模型智能体的知识抽取装置，所述装置包括：
22、任务子目标生成模块，用于通过smart方法确定任务目标，并将所述任务目标进行分解处理，生成至少一个任务子目标，其中，所述smart方法包括具体性原则、可测量性原则、可达成性原则、相关性原则和时限性原则；
23、初始知识集合生成模块，用于通过自然语言处理技术提取各所述任务子目标的关键信息，并将各所述关键信息进行整合，生成初始知识集合；
24、目标知识集合确定模块，用于分别基于所述具体性原则、所述可测量性原则、所述可达成性原则、所述相关性原则和所述时限性原则，对各所述初始知识集合进行校验，将通过校验的所述初始知识集合确定为所述目标知识集合。
25、第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的基于大模型智能体的知识抽取方法。
26、第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的基于大模型智能体的知识抽取方法。
27、本申请公开了一种基于大模型智能体的知识抽取方法、装置、设备及介质，所述基于大模型智能体的知识抽取方法包括通过smart方法确定任务目标，并将所述任务目标进行分解处理，生成至少一个任务子目标，其中，所述smart方法包括具体性原则、可测量性原则、可达成性原则、相关性原则和时限性原则；通过自然语言处理技术提取各所述任务子目标的关键信息，并将各所述关键信息进行整合，生成初始知识集合；分别基于所述具体性原则、所述可测量性原则、所述可达成性原则、所述相关性原则和所述时限性原则，对各所述初始知识集合进行校验，将通过校验的所述初始知识集合确定为所述目标知识集合。通过上述方式，本申请通过smart方法确保任务目标是明确和具体的，通过可测量性，任务目标和子目标可以被量化，使得进度和效果可以被追踪和评估，自然语言处理技术的应用减少了手动提取信息的工作量，将提取的关键信息整合成初始知识集合，为进一步的分析和决策提供了结构化的数据基础，提高了抽取知识的准确性。
1.一种基于大模型智能体的知识抽取方法，其特征在于，包括：
2.根据权利要求1所述的基于大模型智能体的知识抽取方法，其特征在于，所述通过smart方法确定任务目标，包括：
3.根据权利要求2所述的基于大模型智能体的知识抽取方法，其特征在于，所述将所述任务目标进行分解处理，生成至少一个任务子目标，包括：
4.根据权利要求1所述的基于大模型智能体的知识抽取方法，其特征在于，所述自然语言处理技术包括神经语言程序学nlp技术，所述通过自然语言处理技术提取各所述任务子目标的关键信息，包括：
5.根据权利要求4所述的基于大模型智能体的知识抽取方法，其特征在于，所述将各所述关键信息进行整合，生成初始知识集合，包括：
6.根据权利要求1至5任一项所述的基于大模型智能体的知识抽取方法，其特征在于，所述通过smart方法确定任务目标，并将所述任务目标进行分解处理，生成至少一个任务子目标，其中，所述smart方法包括具体性原则、可测量性原则、可达成性原则、相关性原则和时限性原则之前，包括：
7.一种基于大模型智能体的知识抽取装置，其特征在于，包括：
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至6中任一项所述的基于大模型智能体的知识抽取方法。
