摘要
本发明揭示了一种基于大语言模型的金融知识图谱构建方法，包括：S1：构建知识范式；S2：根据S1构建的所述知识范式处理文本内容，生成原始知识图谱；S3：分析S2获取的原始知识图谱，进行知识融合，获得优化知识图谱；S4：将S3获取的优化知识图谱进行与已有的知识图谱进行合并与整合并进行对齐处理，生成最终的知识图谱。本发明通过构建行业金融知识范式，对文本内容进行分析归纳，从而实现对海量金融文本数据处理效率的提升，大幅减少金融文本数据处理时的人工需求。同时对抽取知识结果进行合并和对齐，显著提高了抽取知识的准确度和规整度。除此之外还实现了对已有知识图谱的兼容，使构建的金融知识图谱更加全面、准确有利于后续的数据分析。
