优秀论文 | 基于大语言模型的地理大数据知识图谱构建及安全应用

地理知识图谱因其结构化和可解释性等优势,在基于地理知识的复杂任务的推理与认知中具有重要价值。然而，其构建过程通常费时费力且成本高昂，严重制约了实际应用。为解决这一问题，提出了一种基于大语言模型智能体的自动化构建方案，旨在实现高效、低成本的地理知识图谱生成。该方案利用大语言模型的自然语言理解能力和代码生成能力，通过设计针对多源异构地理数据的自动解析与处理流程，并通过引入基于推理的自动反馈与检查机制，显著提升了执行成功率。进一步，讨论了该知识图谱在城市安全领域的应用前景。通过研发能够自主完成地理知识图谱构建的系统，为地理知识图谱的广泛应用提供了数据基础，为城市安全应用提供了技术基础。

地理知识图谱  大语言模型  自动化执行  代码生成

通过形式化描述领域中的概念、实体及其关系，构建起结构化的地理知识表达体系，为复杂地理任务中的知识推理与决策支持提供了重要基础。其在城市规划、灾害应急响应、交通管理等场景中具有广泛应用价值，能够支持语义空间分析与系统优化，揭示地理现象间的潜在关联，为科学研究和政策制定提供依据。然而，由于地理知识图谱的结构复杂性和数据多源性，目前的构建方法大多依赖专家知识和手工操作，导致时间成本和人力成本居高不下。同时，不同数据来源和应用场景下的知识图谱构建过程缺乏通用性和灵活性，难以实现复用，严重制约了地理知识图谱的可扩展性与实际应用效果。

近年来，凭借其强大的自然语言能力和推理规划能力，为解决上述问题提供了新的思路。本文提出了一种基于大语言模型智能体的地理知识图谱自动化构建方案，旨在降低构建成本并提高通用性。该方案利用大语言模型的能力设计自动解析与处理流程，并通过引入基于推理的反馈机制提升执行成功率。在北京和长沙两个城市的多源异构地理数据上的实验验证了该方案的有效性，并为城市安全应急提供了新方式，为地理知识图谱的自动构建提供了新范式。

本文主要贡献可总结为如下三点：

（1)针对现有地理知识图谱构建过程依赖专家规则、效率低、通用性差等问题，本文首次提出一种融合大语言模型推理与规划能力的地理大数据知识图谱自动构建新范式，实现从多源异构地理数据到知识图谱的端到端自动化生成。

（2)构建包含规划执行单元、记忆单元、自主反思单元在内的智能体体系，明确了内容理解、实体对齐、关联分析、质量验证等核心任务模块，并结合检索增强生成(RetrievalAugmented Generation, RAG)与自动化实现了可复用的自动构建流程。

（3)在北京和长沙两地的多源异构地理数据上开展实验，结果表明所提出方法能够高效生成高质量的地理知识图谱，并在城市安全应急等典型应用场景中展现出良好的实用性与可扩展性。

本文收录于《网络安全与数据治理》2025年08期！

      点击杂志封面进入电子期刊专栏

                        👇⬇⬇⬇

了解更多请关注我们---

推荐阅读第44卷第8期---