Knowledge graph-augmented large language model question answering based on intent recognition： A case study of flood defense and rescue
Abstract
利用水利专业知识图谱增强大语言模型（LLM）在防汛抢险方面的应用时，用户问句的意图识别面临语料匮乏、术语繁多、语义理解困难等挑战，现有方法在小样本意图识别中表现不佳。本文提出一种基于投票策略的多模型融合方法，在小样本条件下准确识别问句意图并提取图谱知识，进而开发水利领域防汛抢险知识问答系统。首先，基于领域实体识别和文本语义表示，构建了基于规则、机器学习和LLM的意图识别单体模型；其次，采用灰狼优化算法，依据单体模型表现分配权重，采用投票策略构建意图识别联合模型。进而，基于联合模型查询防汛抢险知识图谱，基于LLM开发了知识问答系统，实现了自然语言与知识图谱的高效交互。实验结果表明，联合模型在小样本意图识别任务中五折交叉验证的平均F1为0.912，显著超越了以BERT为代表的深度学习模型。所开发防汛抢险知识问答系统实现了准确高效的领域知识检索与重用，为水利知识转化利用和智慧水利建设提供了新路径。
Fields of Study & Subjects
Topic Modeling
Semantic Web and Ontologies
Natural Language Processing Techniques
Publication details
- Journal / source
- Shuili Xuebao
- Volume
- 57
- Issue
- 2
- Pages
- 280–292
- Publication date
- 1 February 2026
- Language
- EN