LLM+知识图谱：应用案例分析：运维知识问答系统

原创已于 2025-08-29 11:15:50 修改 · 1k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#语言模型 #知识图谱 #人工智能 #自然语言处理 #知识图谱+大模型应用 #GraphRAG #LLM+KG

于 2025-08-28 18:46:34 首次发布

知识图谱与RAG应用专栏收录该内容

4 篇文章

订阅专栏

公司	应用场景	应用效果
蚂蚁集团	支付宝 “支小宝” 的政务问答和医疗问答	政务问答准确率提升到 91%，医疗问答垂直的指标解读准确率可达 90% 以上
Google	搜索引擎的问答系统	当用户搜索时，系统不仅返回相关文本，还会从知识图谱中提取结构化信息，增强回答准确性
阿里达摩院	知识增强 AIGC 系统	利用知识图谱为大模型提供背景知识，生成更准确、一致的内容，可扩展为支持多语言生成和个性化推荐
eBay	商品推荐系统	利用知识图谱存储商品属性，结合大模型生成个性化的推荐列表，提升推荐精准度
阿里云	基于 PolarDB + 通义千问 + LangChain 搭建 GraphRAG 系统	以股票知识图谱为例，通过图 + 向量联合搜索，增强问答准确性，减少大模型幻觉
武汉大学水工程科学研究院	水利领域知识问答	构建水利领域知识图谱，结合大语言模型搭建问答平台，提高答案准确性与可信度，增强回答可解释性
郑州工程技术学院	智能教学平台	通过知识图谱关联学科知识点，大模型提供实时辅导，生成个性化学习路径，提升教学精准度和学习效率

1、《核电运维数据知识图谱构建及其LLM应用》

基于LLM和KG的智能问答

核心思想：知识图谱构建+LLM自主意图识别

该应用主要涵盖概念层设计、数据层获取和智能问答三个关键方面。

1.1 知识图谱的构建方法

1.1.1 本体及概念层设计。

概念层采用自顶向下的方式构建，以核电运维专家对 DCS 报警响应操作和过程控制的认识，同时参考行业标准规范，构建核电 DCS 运维知识图谱本体库；结合电厂运维人员和专家经验，细化本体库覆盖的实体、关系以及属性类型，完成知识图谱本体及概念层框架设计。

知识图谱概念层主要包括 实体（entity）、关系（relation）、属性（attribute）等知识类的层次结构和层级关系定义，用来约束数据层的具体知识形式。按照知识图谱构建三要素原则，需要明确“实体-关系-实体属性”或“实体-关系-实体”三要素。

本文从电厂 DCS 运维需求出发，在核电专家的指导下，结合专家经验、核电 DCS 报警响应规程等，构建了报警日志、故障手册、报警规程、风险分析、检修方案、抢修报告等 7类本体要素，以及实体间、实体与属性间的关系。表1为核电 DCS概念层知识图谱的实体及实体属性，

表2为概念层不同实体间主谓宾三要素，即实体与实体间的关系。

关于自顶向下设计请参考：

1.1.2 数据层获取

就是获取知识图谱需要的数据的意思。

数据层采用自底向上的方式构建，对 DCS 运维数据进行数据采集、数据清洗及数据预处理工作。搭建基于分步提示的大语言模型方法，开展核电 DCS 数据层知识抽取。采用文本匹配和语义相似计算方法进行数据集成、知识融合和知识加工，完成知识图谱数据层实体、实体属性以及实体之间关系匹配，构建领域知识图谱。

1.1.2.1 数据处理

数据预处理：

PDF数据中提取文本内容，处理页眉、页脚和水印等非正文内容，去除多余的空格、换行符，最终将其转化成标准格式文本数据。使用正则表达式提取字段。

数据清洗：

填补、删除、插补缺失数据，处理数据中的缺失值。删除或修正数据中的异常值或错误记录，删除重复的数据记录等步骤。

最终目标，将数据源，转换为知识图谱需要的标准的文本数据。

1.1.2.2 数据获取

知识图谱数据层是以事实三元组为单位，存储具体的数据信息。

一般表示为：

其中，G是表示知识图谱，E表示实体集合 $\{e_1,e_2,\cdots,e_{E}\}$ ,实体e是知识图谱中最基本的组成元素，在图谱中用结点进行表示，R表示关系集合 $\{{r_1,r_2,\cdots,r_R}\}$ ,关系r是知识图谱中的边，表示不同实体间的联系。F表示事实集合 $\{f_1,f_2,\cdots,f_F\}$ ,每一个事实f又被定义为一个三元组 $(h,r,t)\in{f}$ 。其中，h表示头实体，r 表示关系，t 表示尾实体。

从领域数据源获取与概念层设计的实体及实体属性对应的数据信息，并以三元组的形式存储到知识图谱数据库中。

1.1.2.3 结构化和半结构化知识抽取

结构化数据：如风险分析表、工单数据。针对字段定义明确的结构化数据，经过预处理后，获得知识图谱概念层实体及属性对应字段的数据，经数据预处理后可直接集成作为知识图谱数据层信息。

半结构化数据：如报警日志，采用正则表达式匹配、词典匹配、模板匹配等基于规则的方式，抽取实体及属性信息。

非结构化数据：如故障手册。可以使用“基于大模型的知识抽取模型”，利用 Promptn 和少样本学习，将知识抽取的序列标记任务转化为大语言模型的文本生成任务。Prompt 允许用户以指令的方式指导和抽取故障信息[28] ，利用 LLM进行多次抽取来训练与优化Prompt，直到抽取效果达到预期的性能水平[29] 。

该流程以本地知识库为基础，通过向量匹配定位报警信息关联文档，最终实现关键实体属性抽取，具体步骤如下：

1）构建本地向量知识库

数据输入：预处理后的核电 DCS 故障手册、领域词汇（需确保数据格式规范、内容准确，排除冗余或错误信息）。
文本处理：将上述长文本按自然段落进行截断与分块（保证每个文本块语义完整，避免拆分逻辑连贯的内容）。
向量编码：采用 Embedding 技术对分块后的文本进行向量编码，将文本语义转化为可计算的向量形式。
知识库生成：整合所有编码后的文本向量，构建核电 DCS 领域专属的向量知识库。

2）报警异常信息匹配定位

输入信息：报警日志中提取的报警编码、异常描述等核心信息（需筛选关键信息，去除无关冗余字段）。
相似度计算：将输入的报警异常信息转化为向量后，与步骤 1 构建的向量知识库进行相似度计算（常用计算方法如余弦相似度、欧氏距离等）。
定位结果输出：根据相似度计算结果，确定报警异常信息在本地知识库中对应的所属文档，并精准定位该信息在文档中的具体位置（如段落序号、页码等）。

3）关键实体属性信息抽取

需求分析：结合核电 DCS 运维、故障排查等实际业务需求，明确需抽取的关键实体类型（如故障原因、处理措施、关联设备型号等）及对应属性。
Prompt 设计：根据确定的抽取需求，设计针对性的 Prompt 提示（需清晰定义抽取规则、格式要求，确保 AI 理解抽取目标）。
实体抽取：将步骤 2 定位到的文档内容与设计好的 Prompt 结合，输入至模型中，完成关键实体属性信息的抽取，输出结构化结果（如表格、JSON 等格式）。

1.1.2.4 非结构化数据抽取的 Prompt 提示

Prompt 提示设计方面，采用分布提示：需求提示、领域知识提示、样例提示。

领域知识：是通过提供领域相关的背景知识和标注语料，帮助模型理解任务的领域特征和数据特点。
标注语料：展示如何从数据中识别和抽取实体，以便模型能够更好地理解和应用相关概念。
样例提示：给出具体示例进行指导，通过提供示例、逐步解释、对比分析，使模型逐步理解每个步骤的操作，提高模型对人物的分析和执行能力。

要求：

明确任务：旨在定义模型需要扮演的任务角色，让模型明确用户的目标和期望。
罗列需求：列出具体的需求细节，确保用户清楚任务的具体要求。
设定标准：设定输出结果的格式和评估标准，以确保结果的一致性和可评估性。

1.1.2.5 知识融合与加工

知识融合与知识加工是指在知识图谱构建时，对新获得的知识进行整合以消除矛盾和歧义的过程[30] 。本文通过对提取的同类别实体、实体属性进行文本相似度计算，并对语义错误或同义描述的词进行标准语义替换，完成知识融合；采用文本匹配进行知识加工，以形成一个大规模的知识体系。

本文采用自顶向下的构建思路，以预定义概念层为核心框架，逐步完成实体、属性及关系的映射与整合，最终形成完整知识图谱，具体步骤如下：

1）构建知识图谱概念层

构建方式：采用自顶向下策略，优先搭建知识图谱的顶层概念框架。
核心内容：提前定义知识图谱所需的全部关系类型，并将其规整至概念层中（具体关系类型可参考表 2），为后续实体与属性的匹配提供统一标准。

2）实体与属性匹配

数据输入：使用经过知识融合、知识加工处理后的实体数据及实体属性数据（确保数据准确性、一致性，消除冗余与冲突）。
匹配规则：将处理后的实体、实体属性数据，与概念层中预定义的 “实体类型”“实体属性规范” 进行一一对应匹配，明确每个实体所属的概念类别及符合规范的属性信息。

3）完成知识图谱全要素构建与整合

要素整合：基于步骤 2 的匹配结果，结合概念层中预定义的关系类型，关联对应实体、实体属性及实体间关系。
最终输出：整合所有实体、实体属性及关系信息，形成结构完整、逻辑一致的知识图谱。

1.2 智能问答系统构建

基于知识图谱的可视化智能问答。依托所构建的知识图谱，开展数据查询和可视化分析，采用大语言模型方法提取问题中关键实体信息；利用 TF-IDF 特征提取器[26] 和朴素贝叶斯分类器[27] 明确用户问题意图，基于知识图谱搜寻节点并将答案以自然语言形式返回至用户，完成报警响应对话问答。

用户意图识别是引入知识图谱最关键的一步，决定了查询（检索）的知识图谱实体的准确程度。

1.2.1 用户意图识别

因用户问题输入表达相同语境的中文句式因人而异，如何识别用户意图和问句中的实体信息是实现基于图谱智能问答的关键点。本文通过设计二次意图分类模型，对用户的意图进行判断，如图4。

第一次意图和信息识别：结合电厂 DCS 运维人员的工作需求，从核电常见问答中收集了182条DCS相关的问答并进行意图分类。然后定义了 TF-IDF 特征提取器和朴素贝叶斯分类器的意图模型。再基于 JIEBA 分词对用户问句中的词组进行分割，并与实体特征词库进行相似度计算匹配，最终实现用户意图和问句实体的理解。

TF-IDF 是一种常用于文本特征提取的技术，它用于衡量一个词对于文档的重要性。 TF 为词频，表示词在用户问句中出现的频率，IDF 为逆文档频率，表示词在整个语料库中的稀有程度。 TF_IDF 特征提取器将文本数据转换为向量表示。