基于知识图谱和检索增强生成的电站设备故障知识问答OA

【目的】为了解决电站设备故障知识管理中存在的知识碎片化、语义不一致及检索效率低下等问题,提出一种融合知识图谱与检索增强生成技术的知识智能问答方法,以实现对故障知识的有效整合、语义统一与高效精准查询。【方法】该方法基于失效模式及影响分析表,通过本体建模对故障领域知识进行结构化语义表达,将非结构化文本转化为符合本体约束的结构化三元组,进而构建出可以进行语义推理的故障知识图谱,并同步生成图节点与文本段的向量化索引,形成“事实关系+语义嵌入”的双重知识基底。在问答阶段,通过执行图谱关系检索与向量语义检索,将双通道结果融合为大语言模型的增强上下文,从而生成更加科学的问答结果。【结果】在20个涵盖多类问答场景的典型问题上,对比了纯大语言模型、整表文本注入、向量检索增强以及所提出方法的问答结果。实验结果表明,所提出的方法在信息覆盖率和语义适配度上均表现最优,综合得分达91.2,性能优于对比方法。【结论】所提出的知识问答方法有效融合了知识图谱的精确关系推理与向量检索的语义泛化能力,从而在保证较低响应时延的同时,实现了准确性、覆盖度与可解释性的全方位提升,为电站设备故障知识管理与应用提供了有效的解决方案。