BIM-GRASP：一种用于IFC建筑模型语义解析的图-RAG方法

《IEEE Access》：BIM-GRASP: A Graph-RAG Approach for Semantic Parsing of IFC Building Models

　　

摘要：

建筑信息模型（BIM）在现代建筑与设计领域中占据核心地位，而工业基础类（IFC）格式则作为一种广泛采用的开放标准，用于表示建筑模型。然而，IFC数据因其以深度嵌套的关系形式存储结构、几何及语义信息，缺乏专业工具和领域知识便难以解读，因此显得极为复杂。这种复杂性使得非技术领域的利益相关者难以获取有价值的洞察。我们提出了BIM-GRASP，这是一种新型的系统级应用，它将图检索增强生成技术（Graph-RAG）与生成式人工智能相结合，实现了通过自然语言与IFC建筑模型进行交互的功能。BIM-GRASP会将IFC文件转换为知识图谱，随后由大型语言模型（LLM）对该图谱进行查询，从而回答有关建筑元素的各类问题，比如几何属性、材料规格以及元素间的关系等。与传统IFC解析器不同，BIM-GRASP能够处理需要在IFC层级结构的多层之间进行推理的复杂查询，因为它可以从模型的不同部分获取信息。这样一来，用户无需依赖模式级导航或技术性语法，就能用自然语言提出问题并获得准确且具备上下文意识的答案。我们的研究结果表明，为模型提供特定领域的情境学习功能（ICL），能显著提升信息提取的精确度和相关性，在多种建筑模型和查询类型中平均准确率可达88%。据作者所知，BIM-GRASP是首个无需专业技术知识或手动模式导航，就能通过自然语言将IFC数据解析为知识图谱的框架。通过弥合复杂建筑数据与非技术利益相关者之间的差距，BIM-GRASP有助于加快决策速度，并提高整个建筑领域的透明度...

查看更多