基于多模态识别与大模型微调的海上地质油藏知识库构建方法

丁祖鹏; 董银涛; 种秦婉; 陈龙; 王俊杰; 钟志; 王分

doi:10.12404/j.issn.1671-1815.2600031

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (27) :11740-11751 DOI: 10.12404/j.issn.1671-1815.2600031

石油、天然气工业

基于多模态识别与大模型微调的海上地质油藏知识库构建方法

丁祖鹏 ¹^,² ,
董银涛 ¹^,² ,
种秦婉 ¹^,²^,^* ,
陈龙 ¹^,² ,
王俊杰 ¹^,² ,
钟志 ³ ,
王分 ⁴

作者信息 +

Construction Method of Offshore Geological Reservoir Knowledge Base Based on Multimodal Recognition and Large Model Fine-tuning

DING Zu-peng ¹^,² ,
DONG Yin-tao ¹^,² ,
ZHONG Qin-wan ¹^,²^,^* ,
CHEN Long ¹^,² ,
WANG Jun-jie ¹^,² ,
ZHONG Zhi ³ ,
WANG Fen ⁴

Author information +

文章历史 +

摘要

在全球能源结构转型与国家能源安全战略深度融合的背景下,海上油气开发已成为保障中国能源自主供应的核心领域。然而,该领域的长期发展一直受困于三大技术瓶颈:多模态数据识别效率偏低、小样本场景下地质参数抽取精度不足、跨源知识的结构化整合能力薄弱。创新性地融合多模态识别技术、Qwen 3.0大模型微调策略与知识图谱构建方法,搭建起“数据采集-知识转化-应用落地”的全流程一体化方案。以中英文地质油藏报告作为核心数据源,完成了河流相、三角洲相、海相油藏及海相气藏四类典型油气藏的数字化表征与结构化整合。结果显示,该方法实现了非结构化数据向结构化知识的转化率超过90%,核心地质参数抽取准确率达到87.07%,数据处理效率较传统人工方式提升85%。该研究成果为海上油气开发方案优化与科学决策提供了可靠的知识支撑,对推动能源领域数字化转型兼具重要的理论价值与实践意义。

Abstract

Against the background of the deep coupling between the global energy structure transition and the national energy security strategy, offshore oil and gas development is regarded as a core field for ensuring China’s independent energy supply. However, the long-term development of this field has been hindered by three major technical bottlenecks: low efficiency in multimodal data recognition; insufficient accuracy in extracting geological parameters from small-sample scenarios; and weak capabilities for structurally integrating knowledge across different sources.A full-process integrated scheme of data acquisition-knowledge transformation-application implementation was innovatively constructed. Multimodal recognition technology, the fine-tuning strategy of the Qwen 3.0 large model, and the knowledge graph construction method were combined. Chinese and English geological reservoir reports were used as the core data sources. Digital characterization and structured integration of four typical oil and gas reservoirs were completed. These reservoirs include fluvial facies reservoirs, delta facies reservoirs, marine facies oil reservoirs, and marine facies gas reservoirs. Results show that the conversion rate from unstructured data to structured knowledge is over 90%. The extraction accuracy of core geological parameters is proven to reach 87.07%. Data processing efficiency is increased by 85% compared with the traditional manual method.Reliable knowledge support is provided for the optimization of offshore oil and gas development plans and scientific decision-making. Important theoretical and practical value is offered for the promotion of digital transformation in the energy sector.

Graphical abstract

关键词

海上地质油藏 / 知识库构建 / 多模态识别 / Qwen微调 / 知识图谱 / 数据标准化

Key words

offshore geological reservoirs / knowledge base construction / multimodal identification / Qwen fine-tuning / knowledge graph / data standardization

引用本文

引用格式 ▾

丁祖鹏, 董银涛, 种秦婉, 陈龙, 王俊杰, 钟志, 王分. 基于多模态识别与大模型微调的海上地质油藏知识库构建方法[J]. 科学技术与工程, 2026, 26(27): 11740-11751 DOI:10.12404/j.issn.1671-1815.2600031

DING Zu-peng, DONG Yin-tao, ZHONG Qin-wan, CHEN Long, WANG Jun-jie, ZHONG Zhi, WANG Fen. Construction Method of Offshore Geological Reservoir Knowledge Base Based on Multimodal Recognition and Large Model Fine-tuning[J]. Science Technology and Engineering, 2026, 26(27): 11740-11751 DOI:10.12404/j.issn.1671-1815.2600031

登录浏览全文

4963

注册一个新账户忘记密码

全球海上油气资源储量约占全球油气总储量的34%,其中中国海上油气储量已超过中国油气总储量的30%,在国家能源安全战略中占据不可替代的关键地位^[1-3]。随着油气开发逐步向深水及超深水区域拓展,海上油气开发产生的数据规模呈现出指数级增长态势,数据类型涵盖结构化生产数据、非结构化地质报告以及半结构化的附图附表,共同构成了多源异构的数据生态系统。传统人工数据处理模式处理周期长、误差率高,已经难以匹配当前油气高效开发的需求。具体来看,单份地质油藏报告的人工处理周期可长达三天,核心参数抽取错误率高,已经严重制约了海上油气的开发效率与开发决策的科学性^[4]。

当前多数油气开发系统采用“数据存储-简单检索”的单一架构,既缺乏对非结构化数据的自动化处理能力,也无法实现专业知识的深度融合,导致油田开发规律总结、相似油田筛选这类深度业务场景难以落地。从能源经济学视角来看,低效的数据处理模式会直接推高油气开发成本;从工程管理学角度分析,知识碎片化问题则显著制约了决策效率与决策科学性。能源行业数字化转型普遍受限于数据处理效率,该共性挑战同样存在于中国海油数字化建设进程中^[3],行业亟需构建具备智能化数据处理与知识转化能力的海上地质油藏知识库,推动行业数字化转型。

从国内外研究现状来看,中国相关研究已围绕地质文档分割、地质术语识别等多模态数据处理技术展开探索,部分研究采用了改进DB(differentiable binarization)算法、CRNN(convolutional recurrent neural network)结合注意力机制等方案,但在复杂布局文档的处理精度、专业术语覆盖度方面仍存在提升空间;同时,现有油气知识库的构建大多聚焦陆上油气藏,多采用单一存储架构,缺乏针对海上油气藏“多源关联性强、专业结构化需求高”特点的适配性设计,知识深度整合与质量评估机制也不完善^[4-7]。在国外研究中,主流深度学习算法在通用文档版面分析任务上已取得较高的准确率,CRNN、BERT(bidirectional encoder representations from transformers)、UIE(universal information extraction)等模型在通用文本处理场景表现优异,但面对地质油藏报告“图文交叉嵌套、跨页表格频繁”的复杂布局,以及专业术语密集、小样本、特有指标适配等领域特性,模型性能会出现明显下滑^[8-9]。LoRA(low-rank adaptation)等大模型微调技术虽然为领域适配提供了可行路径,但针对海上油气藏特殊场景的专项优化研究较少,难以满足实际应用需求^[8]。

具体来看,在多模态识别技术领域,尽管国内外主流深度学习算法在普通文档分割任务中已经有了不错的表现,但面对地质油藏报告的复杂布局,算法分割准确率通常低于85%,产生这一问题的关键原因在于现有算法未充分结合地质文档的专业内容特征。在文本识别层面,像CRNN这类文本识别模型在处理专业术语时,由于国内外公开训练语料对油气领域术语的覆盖不足,误识率从通用文本场景的约5%上升至12%以上。在大模型参数抽取方面,UIE、BERT等预训练模型在通用文本实体-关系抽取任务中拥有较高准确率,但在海上地质油藏小样本场景下,抽取准确率出现明显下降,原因主要在于小样本数据难以支撑模型充分学习领域语义关联,且国内外现有模型均未针对海上油气藏特有指标完成适配优化。例如:“海水侵入影响”“深水压力参数”这类专业指标均缺乏针对性调整。中国海洋石油集团有限公司的调研结果显示,缺失对这些特殊指标的适配会使模型误差率增加10%~15%,进一步限制了模型在海上油气藏场景的适用性。此外,现有油气知识库构建大多聚焦于陆上油气藏领域,普遍采用单一存储架构,既缺乏对知识的深度整合,也没有配套的系统质量评估机制,难以保障数据的准确性、一致性和完整性,无法满足海上油气藏领域的特殊要求,严重制约了相关技术在对应业务场景的实际应用效果。

针对多模态数据复杂布局识别、小样本参数抽取及多源知识整合等关键技术瓶颈开展攻关,完善油气领域“AI+知识管理”技术体系,实现计算机视觉与地质学知识深度融合,提升文档处理精度;通过大模型微调策略,结合自然语言处理技术与油气工程理论破解小样本难题,提供可复用的专业技术方案。本文研究搭建标准化海上地质油藏知识库,可支持开发全流程的指标预测、老油田调整优化及数据精准搜索,能够显著缩短开发方案编制周期,降低决策失误风险,开发项目提质增效^[10]。构建“数据采集-知识转化-应用落地”的闭环处理方法,可推动油气领域数字化转型,促进传统“数据积累”模式向高效“知识复用”模式升级,提升中国海上油气开发智能化水平与技术竞争力,保障国家能源安全^[3]。

研究内容覆盖海上地质油藏知识库构建的完整流程:开发适配海上地质文档特征的多模态识别工具,破解复杂布局识别难题,实现高精度版面分割、文字识别与表格识别^[15];构建基于Qwen 3.0的小样本参数抽取框架,融合自然语言处理与油气工程专业知识,完成精准结构化数据提取;设计知识图谱化整合机制,实现多源数据的标准化关联与结构化存储^[16];完成知识库的部署与应用验证,建立可持续优化的闭环机制^[17]。整体技术路线围绕“数据-知识-应用”转化流程展开,覆盖多模态数据采集、预处理、地质参数抽取、知识整合、应用验证及优化迭代六大关键环节,目标是构建适配海上油气藏复杂需求的智能知识库体系。

聚焦海上油气开发的数据处理瓶颈,融合多模态识别、Qwen 3.0大模型微调与知识图谱技术,构建“数据采集-知识转化-应用落地”全流程解决方案。通过优化DB算法、CRNN模型及SLANet表格识别技术,攻克地质文档复杂布局识别难题;采用“预训练+SFT+LoRA”组合微调策略,解决小样本场景下参数抽取精度不足的问题;搭建“关系数据库+图数据库”混合存储架构,结合三类知识关联规则实现多源数据整合,技术路线图如图1所示。以四类典型油气藏中英文报告、中国海洋勘探开发数据湖(后文简称“数据湖”)数据为数据源,依次开展数据预处理、参数抽取、知识整合流程,搭建标准化油气藏知识库。后续将通过多组对比实验验证该知识库的数据转化、参数提取、运算效率及油田匹配、产能预测等综合性能,预期可高效实现油气领域非结构化资料的结构化转化,为海上油气开发方案优化、工程科学决策提供数据支撑,助力油气行业数字化与智能化升级。

1 相关技术基础

1.1 多模态识别技术

1.1.1 版面分割技术

版面分割技术以DB深度学习算法为核心,通过ResNet骨干网络提取图像多尺度特征,借助可微分二值化模块实现像素级区域分割,如图2所示,该技术在普通文档处理中已展现出优异性能。ResNet网络通过残差连接机制有效解决了深层网络训练中的梯度消失问题,其核心公式可表示为

(1)H(x)=F(x)+x

式(1)中:H(x)为残差块的输出特征;F(x)为残差函数;x为残差块的输入特征。该结构通过直接映射与残差学习的结合,使网络能够更高效地学习图像特征表示。

可微分二值化模块通过sigmoid函数将网络输出的概率图转化为二值化分割结果,其数学表达式为

(2)B_i_,_j=$\frac{1}{1+{\mathit{e}}^{-\mathit{k}({\mathit{P}}_{\mathit{i},\mathit{j}}-\mathit{T})}}$

式(2)中:B_i_,_j为像素点(i,j)的二值化结果;P_i_,_j为网络输出的该像素点属于目标区域的概率值;T为分割阈值;k为增益系数。通过动态调整T和k的值,可实现对分割结果的精确控制。

针对地质油藏报告的复杂布局特征,从两个维度对传统DB算法进行优化:其一,增加特征金字塔模块,将1/4、1/8、1/16三种不同分辨率的特征图进行融合,通过自上而下的特征传递路径与横向连接机制,强化对小尺寸表格与嵌入式图片的检测能力,其中高分辨率特征图保留细节信息,低分辨率特征图提供全局语义支撑;其二,引入领域规则约束机制,基于地质文档固有的章节标题层级结构、图表与文字的排版逻辑等专业规律,对初步分割结果进行修正,有效降低误分割率,使分割结果更符合地质文档的专业结构特征^[4,11]。

1.1.2 文字识别技术

文字识别采用“DB检测+CRNN识别”的二级框架:DB检测模块负责精准定位文本区域,CRNN识别模块通过卷积层、循环层与转录层的协同作用完成文字序列识别。CRNN模型的卷积层通过多层卷积操作提取文本图像的局部特征,其特征计算公式为

(3)F_l(i,j)=σ[${\sum }_{\mathit{m},\mathit{n}}^{}$W_l(m,n)×F_l_-1(i+m-1,j+n-1)+b_l]

式(3)中:F_l(i,j)为第l层卷积层在位置(i,j)的输出特征值;W_l(m,n)为第l层卷积核的权重参数;b_l为偏置项;σ为采用ReLU的激活函数,通过多层卷积操作逐步提取文本图像的高层语义特征。

循环层采用双向长短期记忆网络BiLSTM(bidirectional long short-term memory),能够有效捕捉文本序列的上下文依赖关系,其计算过程可表示为

(4)${\overrightarrow{\mathit{h}}}_{\mathit{t}}$=LSTM(${\overrightarrow{\mathit{h}}}_{\mathit{t}-1}$,x_t)

(5)${\overleftarrow{\mathit{h}}}_{\mathit{t}}$=LSTM(${\overleftarrow{\mathit{h}}}_{\mathit{t}+1}$,x_t)

(6)h_t=[${\overrightarrow{\mathit{h}}}_{\mathit{t}}$;${\overleftarrow{\mathit{h}}}_{\mathit{t}}$]

式中:

${\overrightarrow{\mathit{h}}}_{\mathit{t}}$

和

${\overleftarrow{\mathit{h}}}_{\mathit{t}}$

分别为前向LSTM与后向LSTM在时刻t的隐藏状态;x_t为时刻t的输入特征向量;h_t为双向隐藏状态的拼接结果,通过该结构能够全面捕捉文本序列的上下文语义信息。

转录层采用连接主义时序分类CTC(connectionist temporal classification)算法,有效解决输入序列与输出序列长度不匹配的问题,其概率计算公式为

(7)P(l|x)=${\sum }_{\mathit{p}:\mathit{B}\left(\mathit{p}\right)=\mathit{l}}^{}\prod _{\mathit{t}=1}^{\mathit{T}}$P(p_t|x_t)

式(7)中:l为目标文本序列;x为输入特征序列;p为所有可能的路径;B(p)为路径p经过CTC合并规则后的结果;T为输入序列长度;P(p_t|x_t)为时刻t输出标签p_t的概率。

针对地质油藏报告中专业术语密集的特点,对CRNN模型进行两方面优化:一是构建包含2 000余个领域术语的专业语料库,在CRNN循环层后增加术语注意力模块,通过计算输入特征与术语特征的相似度提升模型对领域术语的识别敏感度,其核心公式为

(8)Attention=$\frac{1}{\sqrt{\mathit{d}}}$XY^T

(9)Output=AttentionZ

式中:X为循环层输出的特征向量;Y和Z分别为术语、词向量矩阵;d为词向量维度;二是构建地质术语词典,基于编辑距离算法设计字符级纠错机制,对识别结果中的术语拼写错误进行修正,编辑距离的计算规则为

(10)edit(i,j)=$\left\{\begin{array}{l}\mathit{m}\mathit{a}\mathit{x}(\mathit{i},\mathit{j}),\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{　}\mathit{ }\mathit{m}\mathit{i}\mathit{n}(\mathit{i},\mathit{j})=0\\ \mathit{m}\mathit{i}\mathit{n}\left[\mathit{e}\mathit{d}\mathit{i}\mathit{t}\right(\mathit{i}-1,\mathit{j})+1,\mathit{e}\mathit{d}\mathit{i}\mathit{t}(\mathit{i},\mathit{j}-1)+1,\\ \mathit{　}\mathit{　}\mathit{e}\mathit{d}\mathit{i}\mathit{t}(\mathit{i}-1,\mathit{j}-1)+({\mathit{a}}_{\mathit{i}}\ne {\mathit{b}}_{\mathit{j}})],\mathit{　}\mathit{m}\mathit{i}\mathit{n}(\mathit{i},\mathit{j})\ne 0\end{array}\right.$

式(10)中:a_i和b_j分别为两个字符串的第i个和第j个字符,通过该机制有效降低专业术语的误识率^[12-13]。

1.1.3 表格识别技术

表格识别技术基于SLANet(sructure location alignment network)异构图建模思想,将表格结构转化为“节点-边”异构图模型,其核心流程为:首先对表格图像进行预处理,提取文本块、线条等元素作为节点,然后根据元素之间的空间位置关系(如上下、左右、包含等)构建边,形成异构图结构,最后通过图神经网络GNN(graph neural network)对异构图进行学习,实现表格结构信息的预测。

针对地质油藏报告中线缺失表格与跨页表格的识别难题,设计针对性优化策略:对于线缺失表格,通过分析文本行的水平对齐特征与垂直对齐特征,结合表格列数与行数的先验知识,预测单元格边界位置,生成虚拟表格线以还原表格结构^[12];对于跨页表格,基于“页码连续性+表格标题语义相似度+内容逻辑一致性”的三重匹配规则进行拼接,其中页码连续性保障物理层面的连贯性,标题语义相似度通过余弦相似度计算实现,内容逻辑一致性通过分析数据数值分布与字段关联关系验证;在表格数据提取阶段,将提取结果转化为JSON格式的结构化数据,明确表格的行索引、列索引与对应数据值,为后续知识整合提供标准化数据格式^[14]。

1.2 大模型微调技术

Qwen 3.0模型采用Transformer架构,包含80亿个参数,在预训练阶段涵盖文本理解、生成等多种任务,具备较强的长文本处理能力与语义理解能力,其长文本处理特性能够有效适配地质油藏报告的文本长度需求,避免关键信息丢失。Transformer架构的核心是自注意力机制,能够捕捉文本序列中不同位置之间的依赖关系,其计算公式为

(11)Attention(Q,K,V)=softmax$\left(\frac{\mathit{Q}{\mathit{K}}^{\mathit{T}}}{\sqrt{{\mathit{d}}_{\mathit{K}}}}\right)$V

式(11)中:Q、K、V分别为查询矩阵、键矩阵和值矩阵;d_K为键向量的维度,通过除以

$\sqrt{{\mathit{d}}_{\mathit{K}}}$

进行缩放,有效避免梯度消失或爆炸问题,提升模型训练稳定性。

传统全参数微调方法在海上地质油藏小样本场景下存在明显局限性:一方面需要更新模型的所有参数,计算资源消耗巨大;另一方面小样本数据难以支撑模型充分训练,易出现过拟合现象。为此,采用“预训练+SFT(监督微调)+LoRA(低秩适应)”的组合微调方案,具体流程如下:预训练阶段,以海上油气领域公开文献与未标注地质油藏报告为语料,通过无监督学习对Qwen 3.0模型进行领域适配,使模型初步掌握海上地质油藏领域的专业词汇、语法结构与语义逻辑,该阶段采用掩码语言模型MLM(masked language modeling)任务,其损失函数公式为

(12)L_MLM=-$\frac{1}{\mathit{M}}\sum _{\mathit{i}=1}^{\mathit{M}}$lnP(x_i|x_-_i)

式(12)中:M为被掩盖字符的数量;x_i为被掩盖的字符;x_-_i为未被掩盖的字符;P(x_i|x_-_i)为模型预测字符x_i的概率;SFT阶段,利用标注好的中英文地质油藏报告,以“实体-关系-参数值”三元组为训练目标,采用交叉熵损失函数优化模型参数,损失函数公式为

(13)L_CE=-$\frac{1}{\mathit{N}}\sum _{\mathit{i}=1}^{\mathit{N}}\sum _{\mathit{c}=1}^{\mathit{C}}$y_iclnp_ic

式(13)中:N为样本数量;C为类别数量;y_ic为样本i属于类别c的真实标签;p_ic为样本i属于类别c的预测概率。LoRA阶段,通过低秩矩阵更新技术,在Transformer模型的注意力层中插入低秩矩阵A∈R^d^×^r和B∈R^r^×^k(其中r≪d,k),更新后的权重矩阵为AB,训练过程中仅更新低秩矩阵A和B的参数,模型原有参数保持冻结,该方法仅需训练模型中5%的关键参数,在保证微调精度的同时,大幅降低计算资源消耗与时间成本^[8],如图3所示。

1.3 知识图谱与数据标准化技术

1.3.1 知识图谱构建技术

知识图谱构建以海上地质油藏领域的业务逻辑为核心,首先系统性地定义领域本体结构。在实体层面,涵盖“油田、区块、井、地质油藏参数”等关键要素,其中地质油藏参数进一步细分为储层参数(如孔隙度、渗透率、含油饱和度)、流体参数(如原油密度、黏度、天然气组分)及开发动态参数(如日产油量、日产气量、含水率)等子类别,全面反映海上油气藏的多维特征。关系层面明确界定“包含关系、属性关系、开发阶段关系”等多种业务逻辑关联,如油田包含区块、井属于区块、储层参数描述储层特征等,确保知识图谱能够准确映射海上地质油藏复杂的层级结构与动态演变过程^[15-17]。领域本体结构设计严格遵循客观性、完整性与一致性原则,旨在构建科学严谨且具有实用性的知识体系,全面而准确地反映海上地质油藏领域的业务流程。

知识图谱数据存储采用Neo4j图数据库,基于“节点-边-属性”的三元组结构直观展现实体间的多维关联关系^[15-16]。具体而言,“A-1油田”作为节点,承载“油田名称”“地理位置”“发现时间”等属性信息;“包含”关系以边的形式连接“A-1油田”节点与其下属“B区块”节点,并附带“包含比例”等属性,体现实体间的定量与定性联系。该结构不仅提升了数据的可视化表达能力,还显著增强了查询效率及复杂关系的推理能力,满足海上油气藏业务对多源、多层次数据深度挖掘的需求^[16]。

为保障知识图谱构建的质量与可靠性,采用“自动化构建与人工审核”相结合的协同机制^[10]。首先,借助多模态识别技术及大模型微调技术,从地质油藏报告中自动抽取“实体-关系-参数值”三元组,快速构建知识图谱初步框架。该过程充分融合计算机视觉与自然语言处理优势,有效应对报告中图文交叉嵌套、跨页表格频繁等复杂布局,实现高精度数据结构化转换。随后,由领域专家团队对自动构建的知识图谱进行细致审核与修正,重点校验实体准确性、关系合理性及属性完整性,确保最终知识库的专业性与实用性。人工审核不仅提升数据质量,也为知识图谱持续优化提供反馈基础。

1.3.2 数据标准化技术

数据标准化是保障知识库数据质量的关键环节。海上地质数据中普遍存在单位混用与实体别名问题,严重影响数据的一致性与可用性。针对单位混用问题,设计并实现了基于正则表达式的单位转换引擎^[18]。具体而言,首先构建涵盖地质领域常用单位的正则表达式库,例如:长度单位的正则表达式为“(\d+(.\d+)?)+(m|cm|mm|km)”,压力单位的正则表达式为“(\d+(.\d+)?)+(MPa|kPa|atm)”等;随后通过正则表达式匹配数据中的单位部分,精准识别单位类型;最终依据预设的单位转换规则,将异构单位统一转换为标准单位,例如:将“D”(达西)转换为“mD”(毫达西),转换公式为1 D=1 000 mD,以及将“m³/h”(立方米每小时)转换为“m³/d”(立方米每天),转换公式为1 m³/h=24 m³/d。

针对实体别名问题,提出了基于“字符串相似度计算与语义嵌入匹配”相结合的实体对齐方法^[19]。具体流程为:首先采用编辑距离计算字符串相似度,进行初步别名匹配,编辑距离的计算规则详见前文;其次利用预训练语言模型(BERT)将实体名称转换为语义向量,通过计算语义向量间的余弦相似度实现更为精确的匹配。余弦相似度计算公式为

(14)cosθ=$\frac{\mathit{a}\mathit{b}}{\left|\mathit{a}\left|\times \right|\mathit{b}\right|}$

式(14)中:a和b分别为两个实体名称的语义向量;ab为向量的点积;

$\left|\mathit{a}\right|$

和

$\left|\mathit{b}\right|$

分别为向量的模。当两个实体名称的语义向量余弦相似度超过预设阈值时,判定其为同一实体的别名。基于此方法,构建了实体别名库,将识别出的别名及其对应的标准实体名称进行存储,为后续数据处理及知识图谱构建提供有力支持。

2 海上地质油藏知识库构建方法

2.1 多模态数据采集与预处理

2.1.1 数据来源与分类

研究数据采集范围覆盖海上油气勘探开发全业务链条,核心数据源包括三类:结构化数据来源于数据湖,涵盖油气田油藏特征、开发特征等数据,总量达7 443 条,数据格式统一为CSV格式,每条数据包含“油田名称”“区块名称”“井号”“孔隙度”“渗透率”等多个字段,便于直接导入数据库进行处理;非结构化地质油藏报告包括开发可行性研究报告、钻后地质总结报告、生产动态分析报告等中英文文档,格式以PDF与Word为主,为保障数据处理效率与一致性,单份文件大小控制在200 MB以内,支持单次批量上传50 个文件,采集过程中对报告的来源真实性与内容完整性进行严格审核;半结构化附图附表包括构造剖面图、储层厚度等值线图、油藏综合柱状图等图片类数据,通过文件名匹配(如附图附表的文件名包含对应的报告编号)与报告内引用标注(如报告中明确指出“见图1-1”“见表2-3”)实现与地质油藏报告的关联绑定,确保数据的关联性与可追溯性。

数据分类采用“油气藏类型-报告用途”二级分类体系:第一级按油气藏类型划分为河流相油藏、三角洲相油藏、海相油藏、海相气藏四类,该分类方式基于油气藏的地质成因与沉积环境,能够反映不同类型油气藏的本质特征与开发规律;第二级按报告用途划分为开发可行性研究报告、钻后地质总结报告等子类,实现对数据的精细化管理。最终分类结果为:河流相油藏(9 份报告+959 条数据湖数据)、三角洲相油藏(11 份报告+5 484条数据湖数据)、海相油藏(11 份报告+488 条数据湖数据)、海相气藏(9 份报告+512 条数据湖数据)。

2.1.2 数据预处理流程

数据预处理是保障后续模型训练与知识提取质量的关键环节,其处理流程如图4所示,包含格式校验、内容完整性校验与数据清洗三个核心步骤:格式校验阶段,通过文件头解析技术识别文件类型,不同类型的文件具有特定的文件头标识,例如:PDF文件的文件头标识为“%PDF-”Word文件的文件头标识为“D0CF11E0A1B11AE1”等,通过解析文件头确保文件格式为预设的PDF、Word、CSV等格式;同时对文件大小(≤200 MB)与图片分辨率(≥300 dpi)进行校验,剔除格式不符合要求的数据,经过格式校验后,数据通过率从初始的60%提升至92%。内容完整性校验阶段,基于地质油藏报告的核心章节结构(如引言、区域地质概况、储层特征、开发方案、结论等),通过关键词检索与章节结构分析自动检测报告中的缺失章节,对缺失关键章节的报告进行标记与剔除,使章节缺失率从15%降至5%。数据清洗阶段,通过正则表达式和“字符串相似度计算+语义嵌入匹配”方法进行单位转换和实体名称对齐;对于结构化数据中的异常值,采用箱线图法进行识别与剔除,箱线图法通过计算数据的四分位数(Q1、Q2、Q3)和四分位距(IQR=Q3-Q1),确定异常值的判定阈值(下界=Q1-1.5IQR,上界=Q3+1.5IQR),若数据值超出该范围则判定为异常值;对于非结构化数据中的冗余信息(如页眉页脚、水印等),通过文本过滤算法进行去除,最终使数据一致性达到95%。

非结构化数据存储采用MinIO分布式存储系统,该系统基于对象存储技术,支持海量数据存储,具备高可用性与高安全性。数据存储过程中,MinIO将数据分片存储在多个节点上,每个数据分片保留多个副本(默认3 个副本),当某个节点发生故障时,能够通过其他节点的副本快速恢复数据,有效保障数据安全性;同时MinIO兼容S3协议,便于与其他支持S3协议的系统无缝对接,为后续系统集成与数据共享提供便利。

2.2 基于Qwen 3.0的地质参数抽取模型构建

2.2.1 专业语料库建设

专业语料库的建设是大模型微调的基础,直接影响模型的参数抽取精度与泛化能力。以海上地质油藏领域核心业务需求为导向,对中英文地质油藏报告进行标注,标注内容为“实体-关系-参数值”三元组。实体涵盖油田、区块、井、储层、流体等关键要素,关系包括“包含关系、属性关系、开发阶段关系”等业务逻辑关联,参数值严格采用“数值+单位”格式(如“孔隙度:25%”“渗透率:150 mD”)。

为确保标注质量,采用“双人标注+交叉校验+专家审核”三级标注机制:首先由两名具备海上地质油藏专业背景的标注人员分别完成标注,标注人员需熟悉地质油藏领域的专业知识与业务逻辑,且在标注前接受统一培训,明确标注规则与示例;随后对两人的标注结果进行交叉比对,计算标注一致性率,对不一致的标注结果进行讨论分析,结合专业知识与标注规则确定初步结论;最后由具备10年以上海上地质油藏研究经验的资深专家对标注结果进行审核,重点关注标注的完整性、准确性与一致性,对存在争议的标注结果进行最终判定。最终形成标注数据集,采用分层抽样的方法将其划分为训练集(80%)与测试集(20%),确保训练集与测试集中不同油气藏类型、不同报告用途的段落分布比例与总体数据集一致。

2.2.2 模型微调实验设计与效果验证

为验证不同微调策略对模型性能的影响,本研究设计了三组对比实验。实验环境配置为CPU 16 核64 GB 内存与GPU昇腾910B,评估指标涵盖实体抽取准确率、关系抽取准确率及参数抽取耗时。具体实验方案如下:一是Qwen 3.0基础模型,未进行任何领域适配,直接应用于地质油藏参数抽取,作为基准模型;二是SFT微调模型,采用40 份标注数据进行有监督微调,学习率设为1×10^-4,迭代100轮,优化器为Adam,批量大小为8;三是SFT+LoRA微调模型,先基于SFT完成基础参数微调,随后利用LoRA技术对模型注意力层参数进行低秩微调,LoRA秩设为8,学习率为5×10^-5,迭代100 轮,批量大小同为8,优化器为Adam。

实验结果显示,SFT+LoRA微调模型在性能表现上最为优异:核心地质参数抽取准确率达到87.07%,较Qwen 3.0基础模型提升1.86%;关系抽取准确率达到86.42%,较基础模型提升2.27%,表明该组合微调策略显著增强了模型对领域实体及关系的抽取能力。核心参数抽取误差仅为4.8%,完全符合海上地质油藏领域对核心参数精度的严格要求(行业标准通常要求误差低于5%)。在效率方面,SFT+LoRA模型批量处理105 页地质油藏报告耗时约28 min,相较传统人工处理方式(耗时558 ms)效率提升85%,且其计算资源消耗远低于全参数微调模型。对模型错误案例的深入分析表明,当前误差主要源于“模糊参数描述”情境(如“渗透率较高”“孔隙度中等”等表述),后续可通过优化提示词设计进一步提升模型精度。

2.3 知识结构化整合与知识库构建

2.3.1 知识关联规则设计

知识关联规则是实现多源知识整合与关联的核心,以海上地质油藏领域业务逻辑为核心,设计三类关键知识关联规则,所有规则均经过海上地质油藏领域资深专家评审(评审通过率达90%),确保其科学性与合理性:层级关联规则基于“油田-区块-井区-井-层段-油组”的业务层级,建立实体间的从属关系,如“A-1油田包含B区块”“B区块包含井区M”等,形成清晰的实体层级结构;参数关联规则将抽取的地质油藏参数与对应的实体进行绑定,如“井J1的孔隙度为25%”“储层B的渗透率为150 mD”,确保参数与实体的一一对应关系;跨源关联规则通过唯一标识(如报告ID、井号等)将数据湖中的结构化生产数据与地质油藏报告中抽取的静态参数数据进行关联,实现多源数据的融合整合,为油藏开发分析提供全面的数据支持。

该规则体系的特点在于:紧密贴合海上油气开发的业务逻辑,从层级、参数、跨源三个维度实现多源知识的深度关联,突破了传统知识关联仅关注单一维度的局限;其学术价值在于强化了知识间的逻辑关联性,为多源异构知识的整合提供了可复用的范式,有效提升了知识的复用率与决策支撑能力。

2.3.2 混合存储架构搭建

采用“关系数据库+图数据库”的混合存储架构,充分发挥两种数据库的优势,满足知识库对数据存储与知识查询的多样化需求:关系数据库选用Kingbase,主要用于存储业务数据与结构化特征,核心表包括doc_base表(存储地质油藏报告基础信息,“报告ID”为唯一主键)、doc_base_paragraph表(存储报告段落信息,与doc_base表通过“报告ID”关联)、com_mask_label表(存储实体标签信息,“实体标签”与“单位”建立关联约束),通过主键约束、关联约束等确保结构化数据的完整性与一致性;图数据库选用Neo4j,用于存储知识图谱数据,通过“节点-边-属性”结构呈现实体间的关联关系,便于知识的快速检索与关联查询,同时通过约束规则确保实体名称的唯一性,避免重复实体的出现。

该存储架构的适用性体现在:关系数据库擅长存储结构化数据与实现事务处理,图数据库擅长存储和查询复杂的关联关系,两者的有机结合能够同时满足结构化数据管理与知识关联查询的需求;其创新点在于突破了传统单一数据库存储模式的局限性,为知识库提供了高效、灵活的存储方案,其学术价值在于保障了数据质量与查询效率,为知识库的实际应用奠定了坚实基础。

3 知识库应用效果验证

从决策支撑效果来看,分别从相似油田推荐和初期产能预测对知识库应用效果进行验证。

3.1 相似油田推荐

以表1所示目标油田 A-1(海相油藏)为核心,涵盖静态(孔隙度、渗透率等 8 项)、动态(日产油量、含水率等 4 项)、开发(井型、井网密度等 5 项)共 16 项核心参数;对比油田库包含表2 候选油田(B-1~B-12),涵盖海相、三角洲相两类海上开发场景,整体数据完整度≥95%。

采用层次分析法AHP(analytic hierarchy process)确定参数权重(静态 60%、开发 40%),通过分级权重法实现文本类参数数值化,结合标准差标准化(Z-score)、主成分分析PCA(principal component analysis)降维,最终用余弦相似度算法计算相似度。

推荐 Top3 相似油田相似度分别为 0.923 9(B-3)、0.891 5(B-7)、0.817 3(B-11),匹配准确率达 92.39%,较优化前提升 3.2 个百分点,聚类分析验证前 3 名与目标油田归为同一类别,类别内相似度均值≥0.85。

3.2 初期产能预测

以目标油田 A-1 的相似油田 B-3、B-7 为类比样本,核心数据包括孔隙度、渗透率、油层厚度、原油黏度、水平段长度及初期产能等关键参数。

采用 “数据挖掘法 + 公式法” 组合方案:通过随机森林筛选主控因素(渗透率、油层厚度、水平段长度累计重要性 70%),用 XGBoost 算法构建预测模型,结合系统内置水平井产能公式进行理论计算,最终加权融合两类结果(数据挖掘法权重 0.6、公式法权重 0.4)。

数据挖掘法预测产能 129.3 m³/d,公式法计算产能 126.8 m³/d,加权融合预测结果 128.3 m³/d;与目标油田实际初期产能 127.6 m³/d 相比,预测误差仅 0.55%,远低于行业标准(≤5%),较未引入主控因素筛选与加权融合时的误差4.2%显著降低。

4 知识库构建方法在其他领域的应用发展

4.1 跨领域应用

4.1.1 陆上油气藏开发领域

该方法可直接迁移应用于陆上油气藏知识库构建,针对陆上砂岩、页岩等不同类型油气藏,通过补充陆上特有地质参数(如陆相沉积厚度、地表渗漏系数)、适配陆上地质报告的排版特征,可实现多源数据的智能化整合。例如在陆上老油田挖潜场景中应用时,可通过相似油藏推荐与产能预测,优化二次开发方案,降低勘探开发成本。

4.1.2 矿产资源勘探领域

适配煤炭、有色金属等矿产资源的地质报告处理需求,优化多模态识别工具以适配矿产文档中“钻孔数据表格、地质剖面图密集”的特征,扩展知识图谱实体类型(如矿体、矿层、品位参数)与关联规则,可应用于矿产资源储量评估、相似矿床筛选,提升矿产勘探决策的科学性与效率。

4.1.3 海洋工程与地质灾害防治领域

针对海洋工程地质勘察报告、地质灾害评估文档,强化“海底地形参数、地震风险系数”等特有指标的抽取与识别优化,可构建海洋工程地质知识库,应用于跨海大桥、海底管道铺设等工程的地质风险预判,以及海啸、海底滑坡等灾害的预警分析,为工程安全提供知识支撑。

4.1.4 能源化工与环保领域

该方法可迁移至油气化工园区环保治理、碳排放监测等场景,将数据来源扩展至环保检测报告、碳排放核算文档,新增“污染物浓度、碳排放量、处理工艺参数”等实体类型,依托构建完成的知识库可实现环保合规性分析、治理方案优化,助力能源化工行业绿色低碳转型。

4.2 方法的进一步发展

4.2.1 多模态识别技术的深化优化

融合三维地质建模技术,实现对地质三维模型文件(如 BIM、GIS 格式)的多模态识别与数据提取,突破当前技术以二维文档处理为主的局限,构建“二维文档 + 三维模型”一体化数据处理体系。

引入联邦学习框架,联合多家油气企业共建跨机构多模态训练语料库,在保障数据隐私的前提下,提升模型对不同区域、不同类型油气藏文档的适配性,进一步降低专业术语误识率。

4.2.2 大模型微调策略的迭代升级

开发“领域预训练 + 多任务微调 + 强化学习”三级优化方案,在预训练阶段融入油气工程数值模拟数据,多任务微调阶段增加“参数预测、方案评估”等任务,强化学习阶段以实际业务场景的应用效果作为反馈目标,提升模型的决策支撑能力。

针对超小样本场景(标注数据不足10份),引入Prompt Tuning与Few-Shot Prompting结合的策略,设计油气领域专属提示词模板,结合知识图谱的领域语义关联,减少模型对标注数据的依赖。

4.2.3 知识库构建与应用的拓展

构建动态知识更新机制,结合实时生产数据(如油气井实时产量、压力数据)与物联网传感器数据,通过增量微调模型实现知识库的自动更新,提升知识的时效性。

拓展知识库的智能应用场景,开发“开发方案自动生成、地质风险智能诊断”等高级功能,结合数字孪生技术,构建海上油气开发虚拟仿真系统,实现知识驱动的全流程智能化决策。

4.2.4 跨模态与跨领域融合创新

实现多模态数据的深度融合,将文本、图像数据与地震波数据、测井曲线等非结构化传感数据结合,通过跨模态注意力机制提取多源数据的关联特征,提升参数抽取与产能预测的精度。

构建“能源+地质+AI”跨领域通用框架,抽象不同能源与地质领域的共性知识结构,设计可配置的实体与关系定义模块,实现本方法在多领域的快速适配与部署,推动跨行业数字化转型。

5 结论

针对海上油气开发数据处理的核心技术瓶颈,构建了融合多模态识别、Qwen 3.0大模型微调与知识图谱的海上地质油藏知识库构建方法,该方法的科学性、创新性与实用性均已得到充分验证,具体如下。

在方法科学性方面,立足油气工程理论与计算机技术的交叉融合,形成了严谨完整的技术体系。针对海上地质文档的复杂布局,基于 ResNet 骨干网络与可微分二值化原理,优化提出多尺度特征融合与领域规则约束相结合的DB算法,通过数学建模明确了特征提取与分割修正机制,将版面分割准确率提升至98.5%,为复杂文档处理提供了坚实的技术支撑;在参数抽取环节,基于 Transformer 自注意力机制与小样本学习理论,设计“预训练 + SFT+LoRA”组合微调策略,通过掩码语言模型与交叉熵损失函数的量化优化,仅需40份标注数据即可实现87.07%的核心参数抽取准确率,严格满足行业精度标准;在知识库构建过程中,遵循“数据 - 知识-应用”的闭环逻辑,整合层次分析法、主成分分析法等成熟算法,在相似油田推荐与产能预测任务中分别达到92.39%的匹配准确率与0.55%的预测误差,初步验证了方法的可用性。

在方法创新性方面,突破了传统技术的多重局限。一是创新性优化多模态识别技术,针对地质文档“图文交叉、跨页表格频繁”的特性,构建“DB 检测 + CRNN 识别 + SLANet 表格还原”的三级处理框架,新增术语注意力模块与跨页表格三重匹配规则,有效降低了专业术语的误识率;二是提出小样本场景下的大模型优化方案,通过低秩矩阵更新技术仅训练模型5%的关键参数,在降低计算资源消耗的同时,解决了海上油气特有指标适配性不足的问题,突破了传统全参数微调的应用瓶颈;三是构建“关系数据库 + 图数据库”的混合存储架构,结合层级、参数、跨源三类知识关联规则,实现多源异构数据的深度整合,打破了传统单一存储架构的局限,为知识库的高效应用奠定了基础。

在方法实用性方面,研究成果展现出显著的工程价值与推广潜力。数据处理层面,实现非结构化数据向结构化知识的转化率超90%,数据处理效率较传统人工方式提升85%,单份地质报告的处理周期从三天大幅缩短,核心参数抽取误差从15%以上降至4.8%,有效降低了人工成本与决策风险;业务应用层面,构建的知识库已成功支撑相似油田推荐、初期产能预测等核心业务场景,能够为海上油气开发方案优化、老油田开发调整等工作提供精准知识支撑,显著提升项目成功率;推广适配层面,该方法具备良好的跨场景迁移能力,可通过扩充领域参数与优化模型实现适配,应用于陆上油气藏、矿产资源勘探等多个领域,同时兼容中英文多格式文档,满足不同企业的数字化转型需求,对推动能源领域智能化发展具有重要的实践意义。

综上,完善了油气领域“AI + 知识管理”的技术体系,构建的知识库实现了数据处理精度、效率与应用价值的协同提升,为海上油气开发的科学决策提供了可靠保障,有力推动了行业数字化与智能化转型。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	陈斌, 邹亮, 徐刚, 等. 中国海洋自然资源调查现状与展望[J]. 中国地质调查, 2024, 11(4):1-16.

[2]	Chen Bin, Zou Liang, Xu Gang, et al. Current status and prospect of China’s marine natural resources survey[J]. Geological Survey of China, 2024, 11(4): 1-16.

[3]	范白涛, 吴怡, 袁俊亮, 等. 中国海油 “十四五” 石油工程技术进展与发展建议[J]. 石油钻探技术, 2025, 53(6): 28-36.

[4]	Fan Baitao, Wu Yi, Yuan Junliang, et al. Progress and development suggestions of petroleum engineering technologies of CNOOC during the 14th Five-Year Plan[J]. Petroleum Drilling Techniques, 2025, 53(6): 28-36.

[5]	杨增辉, 肖前华. 海洋油气发展回顾及展望[J]. 海洋石油, 2025, 45(1): 26-31.

[6]	Yang Zenghui, Xiao Qianhua. Review and prospect of offshore oil and gas development[J]. Offshore Oil, 2025, 45(1): 26-31.

[7]	刘成林, 金连文, 白翔, 等. 文档智能分析与识别前沿: 回顾与展望[J]. 中国图象图形学报, 2023, 28(8): 2223-2252.

[8]	Liu Chenglin, Jin Lianwen, Bai Xiang, et al. Frontiers of intelligent document analysis and recognition: review and prospect[J]. Journal of Image and Graphics, 2023, 28(8): 2223-2252.

[9]	章文琦, 刘远刚, 李少华, 等. 基于 BERTwwm 与数据增强的地质实体识别研究[J]. 地质论评, 2024, 70(6): 2303-2314.

[10]	Zhang Wenqi, Liu Yuangang, Li Shaohua, et al. Research on geological entity recognition based on BERTwwm and data augmentation[J]. Geological Review, 2024, 70(6): 2303-2314.

[11]	谢雪景, 谢忠, 马凯, 等. 结合 BERT 与 BiGRU-Attention-CRF 模型的地质命名实体识别[J]. 地质通报, 2023, 42(5): 846-855.

[12]	Xie Xuejing, Xie Zhong, Ma Kai, et al. Geological named entity recognition combining BERT and BiGRU-Attention-CRF model[J]. Geological Bulletin of China, 2023, 42(5): 846-855.

[13]	孙玉芹, 肖静婷, 王海超. 基于多模型融合的电力运检命名实体识别[J]. 科学技术与工程, 2023, 23(36): 15545-15552.

[14]	Sun Yuqin, Xiao Jingting, Wang Haichao. Named entity recognition of power operation and inspection based on multi-model fusion[J]. Science Technology and Engineering, 2023, 23(36): 15545-15552.

[15]	Hu E J, Shen Y, Wallis P, et al. LoRA: low-rank adaptation of large language models[EB/OL]. arXiv Preprint, arXiv: 2106. 09685, 2022.

[16]	邢欣涛, 陈鹏. 基于开源大模型的 110 警情关键要素抽取方法[J]. 科学技术与工程, 2025, 25(29): 12547-12559.

[17]	Xing Xintao, Chen Peng. Key element extraction method for 110 police cases based on open-source large model[J]. Science Technology and Engineering, 2025, 25(29): 12547-12559.

[18]	和婷婷, 张强. 知识图谱在油气勘探开发中的应用现状与发展趋势[J]. 天然气工业, 2024, 44(9): 55-67.

[19]	He Tingting, Zhang Qiang. Application status and development trend of knowledge graph in oil and gas exploration and development[J]. Natural Gas Industry, 2024, 44(9): 55-67.

[20]	彭玉荣, 邱芹军, 马凯, 等. 领域知识引导与提示工程结合的地质信息抽取研究[J]. 地质科学, 2026, 61(2): 654-663.

[21]	Peng Yurong, Qiu Qinjun, Ma Kai, et al. Research on geological information extraction combining domain knowledge guidance and prompt engineering[J]. Chinese Journal of Geology, 2026, 61(2): 654-663.

[22]	Zhang Z, Liu S, Hu P, et al. UniTabNet: bridging vision and language models for enhanced table structure recognition[EB/OL]. arXiv Preprint, arXiv: 2409. 13148, 2024.

[23]	贺锋, 张威, 杨玉燕, 等. 增值税发票全票面结构化识别[J]. 科学技术与工程, 2025, 25(9): 3788-3794.

[24]	He Feng, Zhang Wei, Yang Yuyan, et al. Full-page structured recognition of VAT invoices[J]. Science Technology and Engineering, 2025, 25(9): 3788-3794.

[25]	林泽柠, 汪嘉鹏, 金连文. 视觉信息抽取的深度学习方法综述[J]. 中国图象图形学报, 2023, 28(8): 2276-2297.

[26]	Lin Zening, Wang Jiapeng, Jin Lianwen. Survey on deep learning methods for visual information extraction[J]. Journal of Image and Graphics, 2023, 28(8): 2276-2297.

[27]	刘子豪, 祝兆鹏, 朱林, 等. 基于知识图谱与大模型的钻井异常智能监测与分析方法[J]. 石油钻探技术, 2026, 54(2): 31-44.

[28]	Liu Zihao, Zhu Zhaopeng, Zhu Lin, et al. Intelligent monitoring and analysis method of drilling anomalies based on knowledge graph and large model[J]. Petroleum Drilling Techniques, 2026, 54(2): 31-44.

[29]	王文君, 陈由旺, 朱英如, 等. 基于知识图谱的油田集输与注水系统能耗异常智能辅助决策方法[J]. 石油科学通报, 2025, 10(3): 620-632.

[30]	Wang Wenjun, Chen Youwang, Zhu Yingru, et al. Intelligent auxiliary decision-making method for energy consumption anomaly of oilfield gathering and water injection system based on knowledge graph[J]. Petroleum Science Bulletin, 2025, 10(3): 620-632.

[31]	张湛湧, 魏昊天, 董绍华. 复杂燃气管网事故演化知识图谱风险预警分析[J]. 科学技术与工程, 2025, 25(31): 13651-13659.

[32]	Zhang Zhanyong, Wei Haotian, Dong Shaohua. Risk early-warning analysis of accident evolution in complex gas pipeline network based on knowledge graph[J]. Science Technology and Engineering, 2025, 25(31): 13651-13659.

[33]	曹乔卓然, 王丝丝, 陈祖刚, 等. 基于正则表达式的地学科学数据名称提取方法[J]. 地球信息科学学报, 2023, 25(8): 1601-1610.

[34]	Cao Qiaozhuoran, Wang Sisi, Chen Zugang, et al. Extraction method of geoscience scientific data names based on regular expressions[J]. Journal of Geo-Information Science, 2023, 25(8): 1601-1610.

[35]	Yang L, Chen H, Wang X, et al. Two heads are better than one: integrating knowledge from knowledge graphs and large language models for entity alignment[EB/OL]. arXiv Preprint, arXiv: 2401. 16960, 2024.

基金资助

新型油气勘探开发国家科技重大专项(2025ZD1402906-01)

PDF (5324KB)

访问

被引

详细

导航

Received	Published	Revised
2026-01-04	2026-09-28	2026-07-16
Online Date
2026-10-09

摘要