融合知识图谱和ChatGLM的网络生物安全智能问答系统研究OA

网络生物安全是国家安全的重要组成部分,但传统问答系统因知识碎片化和语义理解不足,难以满足该领域的精准决策需求。为解决这一问题,研究提出一种融合知识图谱与ChatGLM大模型的智能问答系统(KG-CHAT)。基于《中国人类遗传资源管理条例》等官方文件,构建了包含5个域、18836个实体和357884个关系的网络生物安全知识图谱;采用P-Tuning v2(parameter-efficient fine-tuning v2)(参数高效微调技术)对ChatGLM模型进行领域适配,通过知识图谱增强模型的语义理解与推理能力;基于可视化工具实现系统部署。实验结果表明,基于ChatGLM大模型的KG-CHAT在BLEU-4(bilingual evaluation understudy-4)、ROUGE-1(recall-oriented understudy for gisting evaluation-1)等指标上显著优于对比模型,人工评估中合理性和准确性评分更高。该研究为网络生物安全领域提供了一种大型结构化知识库与高效问答框架,验证了知识图谱与大模型协同优化的可行性。