一种基于大模型自学习的强化道路病害知识抽取方法及系统

本发明涉及道路病害检测养护技术领域，具体为一种基于大模型自学习的强化道路病害知识抽取方法及系统，包括以下步骤：通过预训练大模型BERT对道路病害领域标准文档进行实体和关系抽取，生成初始知识三元组；构建道路病害知识抽取决策表，定义层级化关系编码规则，并量化实体间关系强度值，关系强度值由专家初始评分与数据驱动的共现频率、注意力权重动态融合计算；有益效果为：通过关系权重表的约束与专家复核机制，有效降低了错误关系的传播风险。在1000条测试数据中，冲突检测模块成功识别并修正83.2％的语义冲突(如“贴缝带”错误关联“路基沉陷”)，误报率低于5％。