一种基于本体约束的提示工程新型船舶碰撞事故知识图谱构建方法

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：A novel ship collision accident knowledge graph construction method based on ontology-constrained prompt engineering

　　张岩|方琼琳|甄荣|刘佳伦|郑宇|张春汉•基于本体约束的提示词无需微调即可实现知识提取。•领域本体约束使实体提取的F1值比基准方法高出105.8%。•仅使用少量样本，实体识别的F1值即可达到94.7%。•由318份事故报告构建的知识图谱共包含8,528个实体。•管理因素与严重事故之间的关联更为紧密。

引言
随着全球贸易的持续增长以及海洋经济的快速发展，包括商业航运、海上能源勘探和渔业在内的海上活动日益频繁，这导致船舶通行密度大幅上升，船舶碰撞风险也随之增加[1]。海上事故通常具有“概率低、后果严重”的特点[2]：一旦发生，便可能造成严重的人员伤亡、巨大的经济损失以及严重的海洋环境破坏[3]。根据中国海上搜救中心的数据，从2023年到2025年11月，各级海上搜救机构共收到4,393起求救信号，涉及2,564艘船舶和24,799名人员。因此，了解这类事故的成因机制对于提升海上安全至关重要。

随着全球航运业向数字化和智能化转型，如何有效管理、分析并利用大规模的海事数据已成为一个重要的研究方向。船舶碰撞事故往往涉及人类、船舶、环境和管理因素之间复杂的耦合关系。然而，传统的统计和机器学习方法虽然适用于结构化数据，但大多无法充分利用事故调查报告中所包含的丰富语义信息[4]。尤其是，这些方法无法揭示事故链中隐含的因果传导机制，这就凸显出需要采用系统化、以语义为基础的知识组织方法。

知识图谱能够以实体-关系-属性三元组的形式表示复杂的知识结构，从而实现跨不同来源的语义整合与推理[5]。它们已被广泛应用于金融[6]、医疗保健[7]和工业安全[8]等领域。将知识图谱应用于船舶事故分析，有助于以结构化方式呈现事故知识、实现跨案例的知识共享以及进行智能检索，进而为事故追溯、风险预测和安全决策提供支持[9]。不过，海上事故报告具有高度的非结构化内容、大量的领域专用术语以及隐含的因果逻辑。传统的基于规则和监督学习的文本提取方法在处理此类文本时面临诸多挑战，包括高昂的标注成本、较差的迁移能力以及有限的语义理解深度。

近年来，大型语言模型在自然语言理解和生成方面取得了显著进展。它们在上下文语义捕捉和知识泛化方面的强大能力，为自动构建知识图谱和进行推理提供了新的途径[10]。将大型语言模型与知识图谱相结合，有望提高提取精度、增强知识完整性，并提升下游应用的智能水平。然而，大型语言模型固有的幻觉问题——即模型生成看似合理但实际上错误的输出——仍然是一个亟待解决的问题，尤其是在那些对安全性要求极高的领域。

综上所述，现有关于海上事故知识图谱的研究面临着三大主要挑战：(1)依赖大规模标注。主流的深度学习方法需要大量人工标注的训练数据，而专门的海上语料库十分稀缺，这导致了较高的构建成本以及在不同场景下的较差可移植性。(2)缺乏深度语义推理。传统模型难以从非结构化的事故调查报告中推断出隐含的因果逻辑和责任归属，因为关键信息往往以间接方式表达或分散在非连续的文本段落中。(3)通用模型中的领域幻觉问题。尽管大型语言模型具备强大的文本理解能力，但在没有领域特定约束的情况下，它们容易生成虚假的输出，从而导致对船舶技术参数和法规条款等专业实体的提取性能不佳。

为了解决这些挑战，本研究提出了SCAKE-LLM（基于本体约束的大型语言模型自动化知识提取），这是一种基于本体约束的提示词工程的新型知识图谱构建方法。在此方法中，大型语言模型仅被用于单向的提取任务——将非结构化的报告转换为结构化的三元组，而不进行后续的图谱推理或生成——而通过一种无需模型微调的人工干预流程，实现了向结构化知识的精准转换。

本研究的主要贡献如下：(1)为资源匮乏且对安全性要求极高的领域提供了一种无需微调、以本体为支撑的提取范式。通过将符合中国海事局官方调查标准的领域本体编码到提示词和推理过程中，实现了无需标注训练数据的情境内提取。消融实验和跨模型实验表明，其优异的性能源自这种以本体为支撑的设计，而非特定的语言模型。(2)针对冗长且包含大量责任相关内容的事故叙述，设计了一套专门的提取机制。隐式关系映射策略将属性提取与关系推理分开，两阶段分解方法降低了上下文窗口的负担并减少了错误传播，而联合编码消歧方案加上连接性强化规则则保持了图的拓扑一致性，消除了语义孤岛，从而形成了具有高关系准确度的拓扑一致图谱。(3)采用了以可靠性为导向的构建流程以及可复用的领域资源。语言模型被限制在单向的提取角色中，且与经过验证的图谱相互分离，这样就能防止生成的内容进入知识库，同时确保每个节点都能追溯到其来源。此外，本研究还提供了可复用的船舶碰撞本体以及由此构建的SCAKG，它支持多跳分析，并能揭示出诸如管理缺陷逐步升级为更严重事故之类的领域规律。

本文的其余部分安排如下：第2节回顾相关研究；第3节介绍SCAKE-LLM框架及其构成方法；第4节通过实验和分析评估提取性能；第5节运用构建的知识图谱来挖掘事故特征；第6节讨论所提方法的有效性、局限性及未来发展方向；第7节对全文进行总结。

海上事故研究的现状
海上运输安全长期以来一直是学术研究和行业实践关注的焦点。全球范围内的海上事故每年都会造成严重的人员伤亡和经济损失，这促使人们深入研究事故的成因机制、发展规律以及风险防范策略[11]。罗某和沈某[12]系统地总结了过去五十年来海上事故研究的发展历程，而曹某等人[13]则进行了文献计量学分析。

SCAKE-LLM框架的整体架构
为了解决海上事故报告中非结构化程度高且标注数据稀缺的问题，本研究提出了SCAKE-LLM，这是一种基于本体约束的提示词工程的无需微调的知识图谱构建方法。该框架基于这样一个重要观点：在缺乏用于参数微调的大规模标注语料库的情况下，明确的领域知识可以作为一种有效的替代方案，来替代那些通过学习得到的隐含表示，前提是这种

数据集与基准测试的构建
本研究的数据基础来自第3.2节中描述的318份船舶碰撞事故调查报告。鉴于获取海上事故数据的难度以及专业标注的高成本，实验采用了分层抽样策略，在保证实验效率的同时确保评估的客观性，从这些报告中选取了20份具有代表性的报告作为测试集。这些样本涵盖了中国周边主要的海洋管辖区域。

基于知识图谱的事故特征分析
SCAKG的构建将离散的事故调查报告转化为一个高度连通的语义网络，为多维度的事故特征挖掘提供了新的分析视角。本节利用第3.5节设计的自然语言查询界面以及图谱的语义检索功能，从时空分布、涉事方等多个维度，对318起事故进行了系统的统计分析和模式挖掘。

该方法的有效性与优势
SCAKE-LLM框架在知识提取任务中表现出色，第一阶段的实体识别F1值达到了94.7%，而在第二阶段的关系三元组构建中，大多数关系类型的F1值也超过了96%，这充分证明了基于本体约束的提示词工程在海上知识提取方面的有效性。与张某等人[53]改进的BERT模型以及李某等人[74]的依赖句法融合深度学习方法不同，该框架无需

结论
为了解决高度非结构化的海上事故数据以及稀缺的标注样本所带来的挑战，本文提出了SCAKE-LLM框架，并基于318份真实的事故报告构建了SCAKG。主要结论如下：首先，建立了一种无需标注、整合了领域本体的知识提取范式。通过将领域本体转化为针对大型语言模型的明确语义约束的本体约束提示词工程，使得知识提取有了坚实的依据。

CRediT作者贡献说明
张岩：概念设计、方法论、软件开发、验证、写作——初稿撰写、可视化；方琼琳：数据整理、形式分析；甄荣：概念设计、监督、项目管理、写作——审稿与编辑、资金筹集；刘佳伦：方法论、写作——审稿与编辑；郑宇：调研、资源收集；张春汉：验证、数据整理。

数据可用性
所使用的数据属于保密信息。

CRediT作者贡献说明
张岩：写作——初稿撰写、可视化、验证、软件开发、方法论、概念设计。方琼琳：形式分析、数据整理。甄荣：写作——审稿与编辑、监督、项目管理、概念设计。刘佳伦：写作——审稿与编辑、方法论。郑宇：资源收集、调研。张春汉：验证、数据整理。