大语言模型和知识图谱协同的跨域异质数据查询框架

作     者：吴文隆 尹海莲 王宁 徐梦飞 赵鑫喆 殷崭祚 刘元睿 王昊奋 丁岩 李博涵 Wu Wenlong;Yin Hailian;Wang Ning;Xu Mengfei;Zhao Xinzhe;Yin Zhanzuo;Liu Yuanrui;Wang Haofen;Ding Yan;Li Bohan

作者机构：南京航空航天大学人工智能学院南京211106 脑机智能技术教育部重点实验室(南京航空航天大学)南京211106 智能决策与数字化运营工业和信息化部重点实验室(南京航空航天大学)南京211106 中小型无人机先进技术工业和信息化部重点实验室(南京航空航天大学)南京210006 同济大学创意设计学院上海200092 中移(苏州)软件技术有限公司数据库产品部南京210004 

基　　金：“十四五”民用航天技术预先研究项目(D020101) 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2025年第62卷第3期

页      码：605-619页

摘      要：大语言模型(large language model,LLM)技术热潮对数据质量的要求提升到了一个新的高度.在现实场景中,数据通常来源不同且高度相关.但由于数据隐私安全问题,跨域异质数据往往不允许集中共享,难以被LLM高效利用.鉴于此,提出了一种LLM和知识图谱(knowledge graph,KG)协同的跨域异质数据查询框架,在LLM+KG的范式下给出跨域异质数据查询的一个治理方案.为确保LLM能够适应多场景中的跨域异质数据,首先采用适配器对跨域异质数据进行融合,并构建相应的知识图谱.为提高查询效率,引入线性知识图,并提出同源知识图抽取算法HKGE来实现知识图谱的重构,可显著提高查询性能,确保跨域异质数据治理的高效性.进而,为保证多域数据查询的高可信度,提出可信候选子图匹配算法Trust HKGM,用于检验跨域同源数据的置信度计算和可信候选子图匹配,剔除低质量节点.最后,提出基于线性知识图提示的多域数据查询算法MKLGP,实现LLM+KG范式下的高效可信跨域查询.该方法在多个真实数据集上进行了广泛实验,验证了所提方法的有效性和高效性.

主 题 词：大语言模型 跨域异质数据 知识图谱 多域数据查询 数据治理 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7544/issn1000-1239.202440634

馆 藏 号：203157628...