97 lines
1.7 KiB
Markdown
97 lines
1.7 KiB
Markdown
|
# 多智能体分析 - PC提取方法深度研究
|
||
|
|
|
||
|
|
## 智能体1: 分析师 - 研究PC提取策略
|
||
|
|
|
||
|
|
### PC的关键设计原则
|
||
|
|
|
||
|
|
1. **逐句提取，而非逐段**
|
||
|
|
- 每句话单独处理
|
||
|
|
- 避免信息过载
|
||
|
|
- 精准定位证据
|
||
|
|
|
||
|
|
2. **证据必须原文摘录**
|
||
|
|
- 不允许LLM生成
|
||
|
|
- 必须能在原文中找到
|
||
|
|
- 包含位置信息
|
||
|
|
|
||
|
|
3. **实体标准化**
|
||
|
|
- 使用标准ID
|
||
|
|
- 包含多个别名
|
||
|
|
- 链接到数据库
|
||
|
|
|
||
|
|
4. **关系类型预定义**
|
||
|
|
- 788种预定义关系
|
||
|
|
- 限制LLM输出范围
|
||
|
|
- 提高一致性
|
||
|
|
|
||
|
|
---
|
||
|
|
|
||
|
|
## 智能体2: 设计师 - 重新设计提取器
|
||
|
|
|
||
|
|
### 新提取器架构
|
||
|
|
|
||
|
|
```
|
||
|
|
PDF → 句子拆分 → 逐句提取 → 证据验证 → 实体标准化 → 关系去重 → 知识图谱
|
||
|
|
```
|
||
|
|
|
||
|
|
### 关键组件
|
||
|
|
|
||
|
|
1. **句子拆分器**
|
||
|
|
- 按句号分割
|
||
|
|
- 保留上下文
|
||
|
|
- 过滤短句
|
||
|
|
|
||
|
|
2. **证据提取器**
|
||
|
|
- 强制原文摘录
|
||
|
|
- 记录位置信息
|
||
|
|
- 验证存在性
|
||
|
|
|
||
|
|
3. **实体解析器**
|
||
|
|
- 展开复合实体
|
||
|
|
- 标准化命名
|
||
|
|
- 链接数据库
|
||
|
|
|
||
|
|
4. **关系验证器**
|
||
|
|
- 检查矛盾
|
||
|
|
- 去重合并
|
||
|
|
- 计算置信度
|
||
|
|
|
||
|
|
---
|
||
|
|
|
||
|
|
## 智能体3: 编码器 - 实现新提取器
|
||
|
|
|
||
|
|
见下方代码实现
|
||
|
|
|
||
|
|
---
|
||
|
|
|
||
|
|
## 智能体4: 验证器 - 设计验证流程
|
||
|
|
|
||
|
|
### 三级验证
|
||
|
|
|
||
|
|
1. **自动验证**
|
||
|
|
- 证据存在性检查
|
||
|
|
- 实体标准化检查
|
||
|
|
- 关系一致性检查
|
||
|
|
|
||
|
|
2. **附表验证**
|
||
|
|
- 染色体位置对比
|
||
|
|
- 表达数据对比
|
||
|
|
- 结构信息对比
|
||
|
|
|
||
|
|
3. **人工抽样**
|
||
|
|
- 随机抽取20个
|
||
|
|
- 人工核对原文
|
||
|
|
- 计算准确率
|
||
|
|
|
||
|
|
---
|
||
|
|
|
||
|
|
## 智能体5: 总结者 - 输出最终方案
|
||
|
|
|
||
|
|
### 执行计划
|
||
|
|
|
||
|
|
1. 重新设计Prompt
|
||
|
|
2. 实现证据强制摘录
|
||
|
|
3. 展开复合基因名
|
||
|
|
4. 三级验证流程
|
||
|
|
5. 迭代优化
|