知识图谱——提升油气行业大模型RAG性能的关键技术

作     者：宋子瑜 

作者机构：日本广岛大学工学部 

出 版 物：《石油科技论坛》 (Petroleum Science and Technology Forum)

年 卷 期：2025年

学科分类：0820[工学-石油与天然气工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 082002[工学-油气田开发工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：大语言模型 检索增强生成 知识图谱 向量数据库 图数据库 

摘      要：针对传统RAG在关联分析、信息整合与逻辑推理能力等方面存在的局限性，以知识图谱与RAG为研究对象，分析国内外研究进展与应用案例。ChatLaw引入领域专家精准定义法律实体、关系与案例，通过高质量知识图谱提升法律咨询的准确性。GraphRAG采用知识图谱表示非结构文本中实体与关系，通过层次聚类、摘要生成等技术提升RAG在大规模数据集上全局搜索能力。HippoRAG在查询阶段利用知识图谱进行概念扩展和检索，提升RAG知识整合与多跳推理能力。归纳RAG与知识图谱融合方法，在数据分块、数据存储、查询优化、检索召回、重排、提示词构建、答案生成等阶段引入知识图谱，可以提升RAG准确率、关联分析能力、推理能力与可解释性。基于Lucene、LangChain等开源框架设计全文检索、向量检索、图谱检索3套方案，将其应用于油气知识问答场景，验证知识图谱对增强RAG的有效性。