基于知识图谱的检索增强生成技术应用研究.docxVIP

下载本文档

1
0
约1.62万字
约 23页
2025-11-24 发布于天津
举报
版权申诉

基于知识图谱的检索增强生成技术应用研究.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

PAGE2

基于知识图谱的检索增强生成技术应用研究

摘要

使用检索增强生成（Retrieval-AugmentedGeneration,RAG）从外部知识库检索相关信息，可以使大型语言模型（LLMs）回答先前从未训练过或从未见过的文档集合的问题，但是RAG在处理整个外部知识库的全局问题或相关性问题时可能会失效。在处理像“肠炎和胃炎有什么关系？”的任务时，本质上是多查询任务，不是明确的单一查询任务，这就会导致信息不足的LLMs为了回答问题而产生幻觉。

本文提出一种基于知识图谱的检索增强生成方法（GraphRetrieval-AugmentedGeneration