26年WP软件工程 基于知识图谱的多跳问答增强检索系统2.6-AI5.98-约30744字符.pdf

WHKJ大学本科毕业论文 I 摘 要 大语言模型（LLM）在知识密集型问答中容易产生事实性错误，且知识更新滞后。传统检索增强生成（RAG）方法在处理多跳问题时，往往遗漏关键关联或引入噪声。为此，本文基于 SubgraphRAG 框架“检索–推理分离”的轻量化设计，构建了一个知识增强问答系统。该系统使用一个离线训练的轻量级 MLP 检索器，从知识图谱中动态裁剪出与问题最相关的子图，再将子图输入 LLM 生成答案。系统采用 Qwen2.5-7B 作为基座模型，并支持配置子图规模，以在回答精度与响应延迟之间取得平衡。 自主实现全栈 Web 系统：后端基于 FastAPI 提供问...