【목적】 발전소 장비 고장 지식 관리에서 지식 단편화, 의미 불일치 및 검색 효율 저하 문제를 해결하기 위해, 지식 그래프와 검색 강화 생성 기술을 융합한 지능형 지식 질의응답 방법을 제안하여 고장 지식의 효과적 통합, 의미 통일 및 효율적이고 정확한 질의를 구현하였다. 【방법】 본 방법은 고장 모드 및 영향 분석표를 기반으로 온톨로지 모델링을 통해 고장 분야 지식을 구조적 의미로 표현하고, 비구조화된 텍스트를 온톨로지 제약에 맞는 구조화된 삼중항으로 변환하며, 이를 바탕으로 의미 추론이 가능한 고장 지식 그래프를 구축하고, 그래프 노드와 텍스트 단락의 벡터화 인덱스를 동기 생성하여 "사실 관계 + 의미 임베딩"의 이중 지식 기반을 형성한다. 질의응답 단계에서는 그래프 관계 검색과 벡터 의미 검색을 수행해 두 경로 결과를 대형 언어 모델의 강화 문맥으로 융합하여 보다 과학적인 질답 결과를 생성한다. 【결과】 다중 질의응답 시나리오를 포함하는 20개의 대표 문제에 대해 순수 대형 언어 모델, 표 전체 텍스트 주입, 벡터 검색 강화 및 제안 방법의 질의응답 결과를 비교했다. 실험 결과 제안된 방법이 정보 커버리지와 의미 적합도 모두에서 최적의 성능을 보였으며, 종합 점수는 91.2로 비교 방법보다 우수했다. 【결론】 제안된 지식 질의응답 방법은 지식 그래프의 정확한 관계 추론과 벡터 검색의 의미 일반화 능력을 효과적으로 융합하여 낮은 응답 지연 시간을 유지하면서 정확성, 커버리지 및 설명 가능성을 전방위적으로 향상시키며, 발전소 장비 고장 지식 관리 및 응용을 위한 효과적인 해결책을 제공한다.

발전소 장비; 고장 지식 질의응답; 지식 그래프; 검색 강화 생성; 대형 언어 모델