集成知识图谱与大语言模型的意图驱动智能制造
人工智能
2026-02-16 v1
摘要
智能制造环境日益增长的复杂性要求能够将高层级的人类意图转化为机器可执行动作的接口。本文提出了一个统一框架，将指令微调的大语言模型与符合本体论的知识图谱相结合，以在制造即服务生态系统中实现意图驱动的交互。我们在一个特定领域的数据集上对Mistral-7B-Instruct-V02进行了微调，使其能够将自然语言意图翻译成结构化的JSON需求模型。这些模型被语义映射到一个基于ISA-95标准、以Neo4j为基础的知识图谱上，确保了与制造流程、资源和约束的操作一致性。我们的实验结果表明，与零样本和3样本基线相比，性能有显著提升，达到了89.33%的精确匹配准确率和97.27%的总体准确率。这项工作为可扩展、可解释和自适应的人机交互奠定了基础。
引用
@article{arxiv.2602.12419,
title = {Intent-Driven Smart Manufacturing Integrating Knowledge Graphs and Large Language Models},
author = {Takoua Jradi and John Violos and Dimitrios Spatharakis and Lydia Mavraidi and Ioannis Dimolitsas and Aris Leivadeas and Symeon Papavassiliou},
journal= {arXiv preprint arXiv:2602.12419},
year = {2026}
}