本發(fā)明涉及數(shù)據(jù)分析，尤其涉及基于知識圖譜與大語言模型的企業(yè)全域數(shù)據(jù)分析方法。

背景技術(shù)：

1、隨著信息技術(shù)與數(shù)據(jù)智能技術(shù)的快速發(fā)展，企業(yè)在經(jīng)營與決策過程中對多源數(shù)據(jù)的依賴程度不斷加深。特別是在大規(guī)模數(shù)據(jù)集成與智能分析需求日益增長的背景下，如何從企業(yè)內(nèi)部系統(tǒng)、外部平臺及第三方資源中有效整合異構(gòu)數(shù)據(jù)，成為提升企業(yè)決策智能水平的重要課題。知識圖譜作為一種結(jié)構(gòu)化表達(dá)知識的手段，大語言模型作為具備強(qiáng)大自然語言理解與推理能力的工具，二者的結(jié)合為企業(yè)數(shù)據(jù)智能化處理提供了新的可能性。

2、然而，在現(xiàn)有技術(shù)中，針對企業(yè)全域多源異構(gòu)數(shù)據(jù)進(jìn)行融合、推理與智能分析的方法仍存在明顯的局限性，主要體現(xiàn)在以下幾個(gè)方面：

3、1、推理鏈條單一：現(xiàn)有方法多依賴知識圖譜或語言模型中的單一路徑推理，缺乏符號推理與語義推理雙向融合，導(dǎo)致推理結(jié)果的準(zhǔn)確性與魯棒性不足。

4、2、自然語言意圖解析不足：傳統(tǒng)基于結(jié)構(gòu)化查詢語言的方法無法有效解析復(fù)雜自然語言查詢意圖，推理路徑生成受限，靈活性差，無法適應(yīng)用戶多樣化查詢需求。

5、3、推理過程中缺乏實(shí)時(shí)沖突檢測與知識補(bǔ)全機(jī)制：現(xiàn)有推理流程通常在推理結(jié)束后統(tǒng)一校驗(yàn)，無法在推理過程中動態(tài)識別并補(bǔ)全語義沖突和邏輯缺失，影響推理鏈的完整性與可靠性。

6、4、多源數(shù)據(jù)語義對齊能力弱：在面對企業(yè)內(nèi)部與外部多源異構(gòu)數(shù)據(jù)時(shí)，現(xiàn)有方法往往難以有效完成實(shí)體對齊和語義融合，導(dǎo)致數(shù)據(jù)分析結(jié)果碎片化、關(guān)聯(lián)性差。

7、5、領(lǐng)域適配性差與可解釋性弱：通用語言模型或圖譜推理引擎在企業(yè)特定領(lǐng)域應(yīng)用時(shí)，推理結(jié)果往往缺乏針對性且可解釋性差，難以滿足企業(yè)審計(jì)合規(guī)與決策透明性要求。

8、6、缺乏推理過程追溯機(jī)制：傳統(tǒng)推理系統(tǒng)普遍忽略推理鏈路徑、推理節(jié)點(diǎn)演變和推理關(guān)系變化的完整記錄，難以支持后續(xù)的決策驗(yàn)證與問題溯源需求。

9、因此，如何提供基于知識圖譜與大語言模型的企業(yè)全域數(shù)據(jù)分析方法是本領(lǐng)域技術(shù)人員亟需解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的一個(gè)目的在于提出基于知識圖譜與大語言模型的企業(yè)全域數(shù)據(jù)分析方法，本發(fā)明結(jié)合了結(jié)構(gòu)化知識表示與自然語言理解推理能力，詳細(xì)描述了在多源異構(gòu)數(shù)據(jù)環(huán)境下，通過雙向推理融合、自然語言意圖解析、自適應(yīng)知識補(bǔ)全、跨源數(shù)據(jù)語義對齊與推理鏈追溯機(jī)制，實(shí)現(xiàn)企業(yè)全域數(shù)據(jù)的智能整合與可解釋性分析，具備推理準(zhǔn)確性高、數(shù)據(jù)融合智能性強(qiáng)和決策透明性好的優(yōu)點(diǎn)。

2、根據(jù)本發(fā)明實(shí)施例的基于知識圖譜與大語言模型的企業(yè)全域數(shù)據(jù)分析方法，包括如下步驟：

3、s1、采集企業(yè)內(nèi)部數(shù)據(jù)源與企業(yè)外部數(shù)據(jù)源，執(zhí)行數(shù)據(jù)清洗處理、歸一化處理與實(shí)體映射處理，生成企業(yè)初始知識圖譜，所述企業(yè)初始知識圖譜包括知識圖譜實(shí)體節(jié)點(diǎn)、知識圖譜屬性節(jié)點(diǎn)與知識圖譜關(guān)系邊；

4、s2、接收自然語言查詢請求，利用大語言模型對自然語言查詢請求進(jìn)行語義解析處理，提取查詢意圖、查詢目標(biāo)實(shí)體與查詢關(guān)聯(lián)關(guān)系要素，生成查詢意圖圖與推理任務(wù)描述信息；

5、s3、調(diào)用企業(yè)初始知識圖譜，基于查詢意圖圖與推理任務(wù)描述信息執(zhí)行符號推理處理生成第一推理鏈，并結(jié)合大語言模型進(jìn)行語義推理處理生成第二推理鏈；

6、s4、對第一推理鏈與第二推理鏈執(zhí)行推理鏈融合處理，依據(jù)推理路徑結(jié)構(gòu)相似度指標(biāo)與推理結(jié)論一致性指標(biāo)進(jìn)行驗(yàn)證，采用動態(tài)迭代優(yōu)化機(jī)制生成融合優(yōu)化后的推理鏈；

7、s5、基于融合優(yōu)化后的推理鏈，執(zhí)行局部沖突檢測處理與自適應(yīng)知識補(bǔ)全處理，輸出校正后的推理鏈；

8、s6、根據(jù)校正后的推理鏈提取推理實(shí)體節(jié)點(diǎn)與推理關(guān)系邊，執(zhí)行企業(yè)內(nèi)部數(shù)據(jù)源與企業(yè)外部數(shù)據(jù)源的語義對齊處理與智能關(guān)聯(lián)處理，構(gòu)建企業(yè)統(tǒng)一動態(tài)優(yōu)化數(shù)據(jù)分析視圖；

9、s7、基于企業(yè)統(tǒng)一動態(tài)優(yōu)化數(shù)據(jù)分析視圖，輸出企業(yè)全域數(shù)據(jù)分析結(jié)果，并生成推理鏈追溯文件。

10、可選的，所述s2包括如下步驟：

11、s21、接收企業(yè)用戶輸入的自然語言查詢請求，對自然語言查詢請求執(zhí)行分句處理與詞語分割處理，生成自然語言解析片段集合；

12、s22、利用大語言模型對自然語言解析片段集合執(zhí)行語義分類處理，將自然語言解析片段集合按照查詢意圖片段、查詢目標(biāo)實(shí)體片段與查詢關(guān)聯(lián)關(guān)系片段進(jìn)行分類，并分別標(biāo)注查詢意圖類別標(biāo)簽、查詢目標(biāo)實(shí)體類別標(biāo)簽與查詢關(guān)聯(lián)關(guān)系類別標(biāo)簽；

13、s23、針對查詢目標(biāo)實(shí)體片段，在企業(yè)初始知識圖譜中執(zhí)行實(shí)體映射檢索，獲得知識圖譜實(shí)體節(jié)點(diǎn)的實(shí)體匹配結(jié)果集合，并為每個(gè)知識圖譜實(shí)體節(jié)點(diǎn)分配實(shí)體匹配置信度；

14、s24、基于查詢意圖片段、查詢目標(biāo)實(shí)體片段與查詢關(guān)聯(lián)關(guān)系片段，構(gòu)建查詢意圖圖，所述查詢意圖圖包括查詢意圖層節(jié)點(diǎn)、查詢目標(biāo)實(shí)體層節(jié)點(diǎn)與查詢關(guān)聯(lián)關(guān)系層邊，并且之間的關(guān)聯(lián)關(guān)系依據(jù)語義相關(guān)性與上下文一致性標(biāo)注；

15、s25、設(shè)定查詢意圖圖中任意節(jié)點(diǎn)與節(jié)點(diǎn)之間的綜合關(guān)聯(lián)權(quán)重，所述綜合關(guān)聯(lián)權(quán)重按照如下公式計(jì)算：

16、；

17、其中，表示節(jié)點(diǎn)與節(jié)點(diǎn)之間的語義相關(guān)度函數(shù)，表示節(jié)點(diǎn)與節(jié)點(diǎn)之間的上下文一致性得分，表示節(jié)點(diǎn)與節(jié)點(diǎn)在企業(yè)初始知識圖譜中的最短路徑長度，與為綜合關(guān)聯(lián)權(quán)重調(diào)整系數(shù)；

18、s26、依據(jù)查詢意圖圖的節(jié)點(diǎn)層次結(jié)構(gòu)、查詢關(guān)聯(lián)關(guān)系層邊集合與綜合關(guān)聯(lián)權(quán)重矩陣，生成推理任務(wù)描述信息，所述推理任務(wù)描述信息包括查詢意圖層節(jié)點(diǎn)集合、查詢目標(biāo)實(shí)體層節(jié)點(diǎn)集合、查詢關(guān)聯(lián)關(guān)系層邊集合、綜合關(guān)聯(lián)權(quán)重矩陣及推理優(yōu)先級排序信息。

19、可選的，所述s24包括如下步驟：

20、s241、基于查詢意圖片段、查詢目標(biāo)實(shí)體片段、查詢關(guān)聯(lián)關(guān)系片段分別提取查詢意圖元素集合、查詢目標(biāo)實(shí)體元素集合、查詢關(guān)聯(lián)關(guān)系元素集合，生成查詢意圖圖；

21、s242、將查詢意圖元素集合、查詢目標(biāo)實(shí)體元素集合、查詢關(guān)聯(lián)關(guān)系元素集合中的每一查詢意圖元素分別映射為查詢意圖層節(jié)點(diǎn)、查詢目標(biāo)實(shí)體層節(jié)點(diǎn)、查詢關(guān)聯(lián)關(guān)系層邊；

22、s243、依據(jù)查詢意圖圖中的節(jié)點(diǎn)與邊，將查詢意圖圖中的每一查詢意圖層節(jié)點(diǎn)與對應(yīng)的一個(gè)或多個(gè)查詢目標(biāo)實(shí)體層節(jié)點(diǎn)建立語義關(guān)聯(lián)，并且查詢意圖圖中的每一查詢目標(biāo)實(shí)體層節(jié)點(diǎn)根據(jù)查詢關(guān)聯(lián)關(guān)系層邊連接至其他查詢目標(biāo)實(shí)體層節(jié)點(diǎn)；

23、s244、在查詢意圖圖中，為每一查詢意圖層節(jié)點(diǎn)、查詢目標(biāo)實(shí)體層節(jié)點(diǎn)及查詢關(guān)聯(lián)關(guān)系層邊分別設(shè)定初始屬性，所述初始屬性包括節(jié)點(diǎn)類別標(biāo)識、節(jié)點(diǎn)語義向量表示、節(jié)點(diǎn)上下文向量表示以及邊的關(guān)聯(lián)關(guān)系類別標(biāo)識；

24、s245、對于查詢意圖圖中的任意查詢意圖層節(jié)點(diǎn)和查詢目標(biāo)實(shí)體層節(jié)點(diǎn)與節(jié)點(diǎn)，基于節(jié)點(diǎn)的節(jié)點(diǎn)語義向量表示與節(jié)點(diǎn)的節(jié)點(diǎn)語義向量表示，計(jì)算節(jié)點(diǎn)與節(jié)點(diǎn)之間的語義相關(guān)度函數(shù)；

25、s246、基于節(jié)點(diǎn)的節(jié)點(diǎn)上下文向量表示與節(jié)點(diǎn)的節(jié)點(diǎn)上下文向量表示，計(jì)算節(jié)點(diǎn)與節(jié)點(diǎn)之間的上下文一致性得分。

26、可選的，所述s3包括如下步驟：

27、s31、基于推理任務(wù)描述信息，調(diào)用企業(yè)初始知識圖譜，依據(jù)查詢目標(biāo)實(shí)體層節(jié)點(diǎn)集合中的每一查詢目標(biāo)實(shí)體節(jié)點(diǎn)，定位企業(yè)初始知識圖譜中的對應(yīng)知識圖譜實(shí)體節(jié)點(diǎn)，生成知識圖譜實(shí)體節(jié)點(diǎn)集合；

28、s32、基于知識圖譜實(shí)體節(jié)點(diǎn)集合與查詢關(guān)聯(lián)關(guān)系層邊集合，在企業(yè)初始知識圖譜中沿知識圖譜關(guān)系邊執(zhí)行符號推理處理，生成符號推理路徑集合，其中每一符號推理路徑以知識圖譜實(shí)體節(jié)點(diǎn)為起點(diǎn)和終點(diǎn)，且滿足查詢關(guān)聯(lián)關(guān)系層邊的語義要求；

29、s33、依據(jù)綜合關(guān)聯(lián)權(quán)重矩陣對符號推理路徑集合執(zhí)行篩選處理，保留綜合關(guān)聯(lián)權(quán)重值大于預(yù)設(shè)權(quán)重閾值的符號推理路徑，并依據(jù)推理優(yōu)先級排序信息對篩選后的符號推理路徑進(jìn)行排序，生成第一推理鏈；

30、s34、將推理任務(wù)描述信息輸入至大語言模型，基于查詢意圖層節(jié)點(diǎn)集合、查詢目標(biāo)實(shí)體層節(jié)點(diǎn)集合與查詢關(guān)聯(lián)關(guān)系層邊集合執(zhí)行語義推理處理，推導(dǎo)生成語義推理路徑集合；

31、s35、對于語義推理路徑集合中的每一語義推理路徑，依據(jù)查詢意圖圖的節(jié)點(diǎn)層次結(jié)構(gòu)，調(diào)整語義推理路徑中推理節(jié)點(diǎn)的推理關(guān)聯(lián)順序，并計(jì)算語義推理路徑得分；

32、s36、依據(jù)綜合關(guān)聯(lián)權(quán)重矩陣與語義推理路徑得分，對語義推理路徑集合執(zhí)行評分處理，篩選評分值大于預(yù)設(shè)評分閾值的語義推理路徑，并依據(jù)推理優(yōu)先級排序信息進(jìn)行排序，生成第二推理鏈。

33、可選的，所述s34包括如下步驟：

34、s331、遍歷符號推理路徑集合中的每個(gè)符號推理路徑，針對符號推理路徑中的每一相鄰節(jié)點(diǎn)對，在綜合關(guān)聯(lián)權(quán)重矩陣中提取對應(yīng)的綜合關(guān)聯(lián)權(quán)重值；

35、s332、對于每個(gè)符號推理路徑，基于綜合關(guān)聯(lián)權(quán)重值計(jì)算符號推理路徑的綜合權(quán)重累計(jì)值，并將每一符號推理路徑的綜合權(quán)重累計(jì)值與預(yù)設(shè)權(quán)重閾值進(jìn)行比較，篩選出綜合權(quán)重累計(jì)值大于預(yù)設(shè)權(quán)重閾值的符號推理路徑，構(gòu)成符號推理路徑篩選集合；

36、s333、對于符號推理路徑篩選集合中的每一符號推理路徑，提取推理任務(wù)描述信息中的推理優(yōu)先級排序信息，依據(jù)推理優(yōu)先級排序信息對符號推理路徑篩選集合中的符號推理路徑執(zhí)行優(yōu)先級排序處理；

37、s334、依據(jù)推理優(yōu)先級排序后的符號推理路徑集合，按照優(yōu)先級順序依次連接符號推理路徑，生成第一推理鏈。

38、可選的，所述s4包括如下步驟：

39、s41、提取第一推理鏈中的推理路徑集合與第二推理鏈中的推理路徑集合，分別標(biāo)記推理路徑集合中的每條推理路徑的起點(diǎn)節(jié)點(diǎn)與終點(diǎn)節(jié)點(diǎn)；

40、s42、針對第一推理鏈與第二推理鏈中任意兩條推理路徑，計(jì)算推理路徑結(jié)構(gòu)相似度指標(biāo)，所述推理路徑結(jié)構(gòu)相似度指標(biāo)基于兩條推理路徑的節(jié)點(diǎn)序列匹配程度計(jì)算，采用如下公式：

41、；

42、其中，表示兩條推理路徑中共有節(jié)點(diǎn)數(shù)量，與分別表示兩條推理路徑的節(jié)點(diǎn)數(shù)量；

43、s43、針對第一推理鏈與第二推理鏈中任意兩條推理路徑，計(jì)算推理結(jié)論一致性指標(biāo)，所述推理結(jié)論一致性指標(biāo)依據(jù)兩條推理路徑推導(dǎo)出的目標(biāo)實(shí)體與關(guān)聯(lián)關(guān)系一致性評分確定；

44、s44、依據(jù)推理路徑結(jié)構(gòu)相似度指標(biāo)與推理結(jié)論一致性指標(biāo)，篩選出滿足相似度指標(biāo)大于預(yù)設(shè)結(jié)構(gòu)相似度閾值且一致性指標(biāo)大于預(yù)設(shè)一致性閾值的推理路徑對，構(gòu)成推理路徑匹配對集合；

45、s45、在推理路徑匹配對集合基礎(chǔ)上，采用動態(tài)迭代優(yōu)化機(jī)制，根據(jù)推理優(yōu)先級與路徑重要性指標(biāo)，逐輪調(diào)整推理路徑的連接順序與節(jié)點(diǎn)歸并策略，生成融合優(yōu)化后的推理鏈。

46、可選的，所述s44包括如下步驟：

47、s441、設(shè)定預(yù)設(shè)結(jié)構(gòu)相似度閾值，所述預(yù)設(shè)結(jié)構(gòu)相似度閾值根據(jù)歷史推理路徑節(jié)點(diǎn)序列匹配度統(tǒng)計(jì)數(shù)據(jù)設(shè)定，用于作為推理路徑結(jié)構(gòu)相似度篩選的基準(zhǔn)條件；

48、s442、設(shè)定預(yù)設(shè)一致性閾值，所述預(yù)設(shè)一致性閾值根據(jù)推理目標(biāo)實(shí)體一致性得分與推理關(guān)聯(lián)關(guān)系一致性得分的加權(quán)計(jì)算結(jié)果設(shè)定，用于作為推理結(jié)論一致性篩選的基準(zhǔn)條件；

49、s443、對于第一推理鏈與第二推理鏈中每一對推理路徑，若推理路徑結(jié)構(gòu)相似度指標(biāo)大于或等于預(yù)設(shè)結(jié)構(gòu)相似度閾值，且推理結(jié)論一致性指標(biāo)大于或等于預(yù)設(shè)一致性閾值，則將該推理路徑對加入推理路徑匹配對集合；

50、s444、對推理路徑匹配對集合執(zhí)行去重處理，消除起點(diǎn)節(jié)點(diǎn)、終點(diǎn)節(jié)點(diǎn)及中間節(jié)點(diǎn)完全相同的重復(fù)推理路徑對，保留唯一推理路徑匹配對。

51、可選的，所述s5包括如下步驟：

52、s51、接收融合優(yōu)化后的推理鏈，提取融合優(yōu)化后的推理鏈中的推理路徑集合與推理節(jié)點(diǎn)集合；

53、s52、針對融合優(yōu)化后的推理鏈中的推理路徑集合，檢測推理路徑集合中各推理路徑內(nèi)部及不同推理路徑之間存在的邏輯沖突，所述邏輯沖突包括推理方向沖突、實(shí)體屬性沖突與關(guān)聯(lián)關(guān)系沖突；

54、s53、對于檢測出的每一邏輯沖突，提取邏輯沖突對應(yīng)的沖突節(jié)點(diǎn)集合與沖突關(guān)系集合，依據(jù)預(yù)設(shè)沖突嚴(yán)重程度評分規(guī)則，計(jì)算沖突嚴(yán)重度，所述沖突嚴(yán)重度按照如下公式計(jì)算：

55、；

56、其中，表示實(shí)體屬性沖突得分，表示關(guān)聯(lián)關(guān)系沖突得分，表示推理方向沖突得分，、、為沖突得分加權(quán)系數(shù)，且滿足；

57、s54、依據(jù)沖突嚴(yán)重度與預(yù)設(shè)沖突嚴(yán)重度閾值進(jìn)行比較，篩選出沖突嚴(yán)重度大于預(yù)設(shè)沖突嚴(yán)重度閾值的邏輯沖突，針對篩選出的邏輯沖突，調(diào)用企業(yè)初始知識圖譜檢索補(bǔ)全知識片段，所述補(bǔ)全知識片段包含與沖突節(jié)點(diǎn)集合相關(guān)聯(lián)的實(shí)體節(jié)點(diǎn)、屬性節(jié)點(diǎn)與關(guān)系邊信息；

58、s55、基于補(bǔ)全知識片段，執(zhí)行局部推理擴(kuò)展處理，將補(bǔ)全知識片段中的實(shí)體節(jié)點(diǎn)、屬性節(jié)點(diǎn)與關(guān)系邊插入至融合優(yōu)化后的推理鏈對應(yīng)沖突位置，形成校正推理路徑集合；

59、s56、整合校正推理路徑集合與融合優(yōu)化后的推理鏈中未發(fā)生沖突的推理路徑，生成校正后的推理鏈。

60、可選的，所述s54包括如下步驟：

61、s541、對于融合優(yōu)化后的推理鏈中檢測出的每一邏輯沖突，調(diào)用預(yù)設(shè)沖突嚴(yán)重程度評分規(guī)則計(jì)算對應(yīng)的沖突嚴(yán)重度；

62、s542、設(shè)定預(yù)設(shè)沖突嚴(yán)重度閾值，所述預(yù)設(shè)沖突嚴(yán)重度閾值依據(jù)歷史推理鏈沖突修正樣本統(tǒng)計(jì)設(shè)定，用于作為篩選邏輯沖突是否需要補(bǔ)全處理的基準(zhǔn)條件；

63、s543、比較沖突嚴(yán)重度與預(yù)設(shè)沖突嚴(yán)重度閾值，若沖突嚴(yán)重度大于預(yù)設(shè)沖突嚴(yán)重度閾值，則將邏輯沖突加入待補(bǔ)全邏輯沖突集合；

64、s544、對于待補(bǔ)全邏輯沖突集合中的每一邏輯沖突，提取對應(yīng)的沖突節(jié)點(diǎn)集合與沖突關(guān)系集合，形成沖突要素集合；

65、s545、基于沖突要素集合，在企業(yè)初始知識圖譜中執(zhí)行補(bǔ)全知識檢索處理，檢索條件包括沖突節(jié)點(diǎn)集合中節(jié)點(diǎn)的實(shí)體類別、屬性類別與關(guān)聯(lián)關(guān)系類別；

66、s546、依據(jù)檢索條件，在企業(yè)初始知識圖譜中檢索匹配的補(bǔ)全知識片段，所述補(bǔ)全知識片段包括實(shí)體節(jié)點(diǎn)、屬性節(jié)點(diǎn)及關(guān)系邊信息，并按照與沖突節(jié)點(diǎn)集合的語義匹配度評分對檢索到的補(bǔ)全知識片段進(jìn)行篩選；

67、s547、將篩選后的補(bǔ)全知識片段輸出，作為局部推理擴(kuò)展處理的輸入數(shù)據(jù)。

68、可選的，所述s6包括如下步驟：

69、s61、提取校正后的推理鏈中的推理實(shí)體節(jié)點(diǎn)集合與推理關(guān)系邊集合，分別記錄推理實(shí)體節(jié)點(diǎn)集合中每個(gè)推理實(shí)體節(jié)點(diǎn)的實(shí)體標(biāo)識信息，以及推理關(guān)系邊集合中每條推理關(guān)系邊的關(guān)系類型信息；

70、s62、針對校正后的推理鏈中的推理實(shí)體節(jié)點(diǎn)集合，分別在企業(yè)內(nèi)部數(shù)據(jù)源與企業(yè)外部數(shù)據(jù)源中執(zhí)行實(shí)體節(jié)點(diǎn)匹配檢索，依據(jù)推理實(shí)體節(jié)點(diǎn)的實(shí)體標(biāo)識信息、實(shí)體屬性描述信息與實(shí)體上下文語義信息建立初步實(shí)體匹配集合；

71、s63、針對初步實(shí)體匹配集合中的每一對候選匹配實(shí)體節(jié)點(diǎn)，計(jì)算語義對齊相似度，所述語義對齊相似度基于實(shí)體屬性相似度與上下文關(guān)系一致性得分計(jì)算，采用如下公式：

72、；

73、其中，為屬性相似度與上下文關(guān)系一致性得分的加權(quán)系數(shù)，且滿足；

74、s64、將語義對齊相似度與預(yù)設(shè)語義對齊閾值進(jìn)行比較，篩選出語義對齊相似度大于預(yù)設(shè)語義對齊閾值的匹配實(shí)體節(jié)點(diǎn)對，并建立推理實(shí)體節(jié)點(diǎn)的智能關(guān)聯(lián)關(guān)系；

75、s65、針對篩選出的匹配實(shí)體節(jié)點(diǎn)對，提取推理關(guān)系邊集合中對應(yīng)的推理關(guān)系類型，依據(jù)推理關(guān)系類型在企業(yè)內(nèi)部數(shù)據(jù)源與企業(yè)外部數(shù)據(jù)源之間建立推理關(guān)系邊的關(guān)聯(lián)關(guān)系映射；

76、s66、基于經(jīng)過語義對齊處理與智能關(guān)聯(lián)處理的推理實(shí)體節(jié)點(diǎn)集合與推理關(guān)系邊集合，構(gòu)建企業(yè)統(tǒng)一動態(tài)優(yōu)化數(shù)據(jù)分析視圖，所述企業(yè)統(tǒng)一動態(tài)優(yōu)化數(shù)據(jù)分析視圖作為企業(yè)全域數(shù)據(jù)分析結(jié)果生成的基礎(chǔ)數(shù)據(jù)輸入。

77、本發(fā)明的有益效果是：

78、（1）本發(fā)明通過結(jié)合知識圖譜結(jié)構(gòu)化推理與大語言模型語義推理，提出了雙向推理融合機(jī)制，實(shí)現(xiàn)了推理路徑互校與動態(tài)優(yōu)化，打破了傳統(tǒng)單一推理方式在數(shù)據(jù)分析準(zhǔn)確性和推理鏈完整性方面的局限，有效提高了企業(yè)在多源異構(gòu)數(shù)據(jù)環(huán)境下的數(shù)據(jù)整合與智能推理能力。

79、（2）本發(fā)明通過自然語言意圖解析與推理任務(wù)動態(tài)生成技術(shù)，結(jié)合符號推理與語義推理雙通道推理鏈構(gòu)建，突破了傳統(tǒng)基于結(jié)構(gòu)化查詢的限制，使企業(yè)用戶能夠通過自然語言直接驅(qū)動推理與數(shù)據(jù)分析過程，提升了系統(tǒng)的查詢靈活性和推理深度。

80、（3）本發(fā)明通過局部邏輯沖突檢測與自適應(yīng)知識補(bǔ)全機(jī)制，實(shí)現(xiàn)了推理過程中對邏輯沖突和語義缺失的實(shí)時(shí)識別與動態(tài)修正，保證了推理鏈條的連貫性和完整性，增強(qiáng)了推理過程的穩(wěn)定性和推理結(jié)果的可靠性。

81、（4）本發(fā)明通過語義對齊與智能關(guān)聯(lián)處理技術(shù)，針對企業(yè)內(nèi)部與外部多源異構(gòu)數(shù)據(jù)建立了動態(tài)語義關(guān)聯(lián)體系，顯著提升了數(shù)據(jù)融合的智能化程度，促進(jìn)了企業(yè)全域數(shù)據(jù)資源的統(tǒng)一管理和深度分析應(yīng)用。

82、（5）本發(fā)明通過領(lǐng)域微調(diào)的大語言模型與知識推理優(yōu)化相結(jié)合，針對企業(yè)特定領(lǐng)域數(shù)據(jù)形成了高適配性、高解釋性的推理分析能力，區(qū)別于傳統(tǒng)通用模型推理方式，增強(qiáng)了推理結(jié)果的業(yè)務(wù)相關(guān)性與審計(jì)合規(guī)性。

83、（6）本發(fā)明通過推理鏈追溯機(jī)制，記錄推理鏈路徑、推理節(jié)點(diǎn)與推理關(guān)系的演變過程，支持推理過程的全程可追溯和透明審計(jì)，提升了系統(tǒng)在決策支持場景中的可靠性、透明性和可解釋性。