AAS-RAIL：以检索增强上下文学习改善资产管理壳信息抽取

资产管理外壳 (AAS) 是工业 4.0 和数字产品通行证的基石，提供工业资产的标准化数字表示。虽然制造商已经维护了大量的技术产品文档，但从现有产品数据表生成 AAS 实例仍然是一项劳动密集型任务，因为技术信息是从异构文档结构中提取的，并且通常涉及公司特定的术语和约定。在这项工作中，我们提出了 AAS-RAIL，这是一种检索增强信息提取 (IE) 方法，可使用大型语言模型 (LLM) 从 PDF 产品数据表自动生成资产管理外壳。所提出的检索增强上下文学习 (RAIL) 方法不是依赖于一组固定的小样本示例，而是从类似的资产管理 Shell 中检索 LLM 生成的提取助手，以提供特定于实例的上下文学习 (ICL)。这使得模型能够使其提取行为适应公司特定的命名约定和格式样式，而无需进行微调。我们的核心贡献是为每个数据表动态选择公司特定的 AAS 示例，用适应实例并结合语义检索和结构化信息提取的提取管道取代静态提示。使用一系列开放式和封闭式权重大语言模型对所提出的方法进行了评估。实验结果表明，与传统的几次提示相比，RAIL 持续提高了提取质量，相对提高了 30.4-52.4%。这些结果表明，我们的方法为公司特定的 AAS 生成提供了有效的改进。