基于结构化知识图谱检索增强的电力领域长文本生成

杨定坤; 刘小光; 薛荣华; 刘春艳; 张伯雷

doi:10.16543/j.2095-641x.electric.power.ict.2026.05.03

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于结构化知识图谱检索增强的电力领域长文本生成

更新时间：2026-09-26

- 基于结构化知识图谱检索增强的电力领域长文本生成
- Vol. 24, Issue 5, Pages: 23-31(2026)
- 作者机构：
  
  1. 江苏电力信息技术有限公司
  2. 南京邮电大学计算机学院
- 作者简介：
- 基金信息：
- DOI：10.16543/j.2095-641x.electric.power.ict.2026.05.03
  CLC： TM73;TP391.1
- Published：2026
- 稿件说明：
移动端阅览
杨定坤, 刘小光, 薛荣华, et al. 基于结构化知识图谱检索增强的电力领域长文本生成[J]. 2026, 24(5): 23-31.
DOI：

杨定坤, 刘小光, 薛荣华, et al. 基于结构化知识图谱检索增强的电力领域长文本生成[J]. 2026, 24(5): 23-31. DOI： 10.16543/j.2095-641x.electric.power.ict.2026.05.03.

摘要

针对电力领域长文本生成中存在的专业知识匮乏、幻觉生成及上下文一致性不足等问题，文章提出一种基于结构化知识图谱检索增强的长文本生成方法。首先通过图强化学习在知识图谱中搜索关键实体与关系，融合局部特征与全局特征实现精准知识检索；然后构建全局-局部多智能体大模型框架，全局模型通过生成摘要与目录确定整体结构，局部模型基于检索的结构化知识生成章节内容，通过多智能体迭代交互优化长文本的专业性与连贯性。实验结果表明，所提方法在电力领域长文本生成任务中显著提升了准确性与一致性，相比通用大模型生成质量提高4.5%，在ROUGE-2、Jaccard相似度等指标上均优于对比方法，为电力系统运维、故障诊断、电力办公等场景的智能化处理提供了有效解决方案，助力电力行业数字化转型。

Abstract

关键词

Keywords

references

廖才波,黄智勇,杨金鑫,邵剑,王同磊,林元棣.基于缺陷文本识别的变压器风险评估及辅助检修决策方法[J].高电压技术,2024(07).

束嘉伟,杨挺,耿毅男,于洁.面向电力知识图谱构建的重叠实体关系联合抽取方法[J].高电压技术,2024(11).

Karan Singhal,Tao Tu,Juraj Gottweis,Rory Sayres,Ellery Wulczyn,Mohamed Amin,Le Hou,Kevin Clark,Stephen R. Pfohl,Heather Cole Lewis,Darlene Neal,Qazi Mamunur Rashid,Mike Schaekermann,Amy Wang,Dev Dash,Jonathan H. Chen,Nigam H. Shah,Sami Lachgar,Philip Andrew Mansfield,Sushant Prakash,Bradley Green,Ewa Dominowska,Blaise Agüera y Arcas,Nenad Tomašev,Yun Liu,Renee Wong,Christopher Semturs,S. Sara Mahdavi,Joelle K. Barral,Dale R. Webster,Greg S. Corrado,Yossi Matias,Shekoofeh Azizi,Alan Karthikesalingam,Vivek Natarajan.Toward expert-level medical question answering with large language models[J].Nature Medicine,2025.

Rui Yang,Jiahao Zhu,Jianping Man,Li Fang,Yi Zhou.Enhancing text-based knowledge graph completion with zero-shot large language models: A focus on semantic enhancement[J].Knowledge-Based Systems,2024.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

知识图谱在电力领域的应用与研究

面向电力安全知识抽取的知识图谱增强大模型混合微调方法

面向电力变压器规程的知识图谱构建方法研究

面向电网客服的大语言模型数据处理和训练

电力网络安全自动化剧本生成与应急响应

Related Author

孙梦园

赵杨奥

邱丽萍

宋钰龙

刘雪莹

徐菁

杜宁

刘津

Related Institution

中国电力科学研究院有限公司2. 清华大学计算机科学与技术系

国网江苏省电力有限公司南通供电分公司

华北电力大学电气与电子工程学院

华北电力大学控制与计算机工程学院

国网上海市电力公司信息通信公司

AI问答

⁰