融合知识图谱与检索增强生成的尾矿坝安全问答框架

《Scientific Reports》：A tailings dam safety question answering framework integrating a knowledge graph with retrieval augmented generation

　　

摘要

尾矿坝事故对公共安全和经济稳定构成严重威胁，从而产生了对能够支持应急响应和安全管理的智能信息系统的强烈需求。为应对这一挑战，本研究提出了 TSA-KA，这是一种针对尾矿坝安全的领域特定问答框架，整合了结构化知识表示与检索增强响应生成。该框架首先从应急预案和相关领域文档构建知识图谱，以提供标准化和可靠的知识支持。为了改善查询理解，开发了一种基于带有注意力机制的 RoBERTa-TextCNN 的意图识别模型，以捕捉用户问题中的细粒度语义模式。此外，引入了一个检索增强生成模块，其中使用低秩适应对 ChatGLM3-6B 进行微调，以生成上下文适当且领域一致的回答。TSA-KA 的新颖之处在于将尾矿坝安全知识图谱、意图识别、证据检索和检索增强生成整合到一个统一的领域特定问答框架中。构建的知识图谱包含 21 个实体类别、23 个关系类别、2,911 个实体和 20,146 个关系/三元组，问答实验在 2,346 个手工构建的问答对上进行。RoBERTa-TextCNN-Attention 意图识别模型的聚合 F1 分数达到 94.12%，而在共同保留的比较评估集上，经过 LoRA 适配的 ChatGLM3-6B 配置在回答相关性、忠实度和上下文精度方面的 RAGAS 分数分别为 0.89、0.82 和 0.87。这些结果表明，将结构化领域知识与检索增强生成相结合，是提高尾矿坝安全问答中领域相关性、证据支撑和上下文一致性的可行方法。