GraphRAG 在企业知识服务中的应用落地-2025知识图谱峰会.pdf

GraphRAG在企业知

识服务中的应用落地

演讲人：杜振东｜

职位：NLP研究院负责人

当前场景痛点问题

目前智能业务咨询场景是基于维护好的FAQ库进行向量检索匹配、答案召回，并且部分问答流程需要通过系统名称和功能模块做FAQ知识筛选

再进行返回，同时向量检索的精准度仍然有待提高，检索结果之间存在较大的差异，整体向量检索阈值也偏高。

知识体系缺失知识内容缺失问答准确率需提升大模型幻觉问题

知识以FAQ及文档形式进行沉淀，但缺因未形成知识体系，咨询的问题范畴局当前用户问题咨询描述宽泛，语义理解大模型幻觉问题会导致回答内容与用户

少分类清晰的、可视化的知识体系，难限于QA对，知识内容存在缺失，且需定无法精准定位FAQ问题或相关文档，问咨询内容不匹配，或生成无关内容，缺

以实现快速知识定位。期开展知识运营，维护FAQ库。答准确率需进一步提升。少输入限制对模型生成内容进行约束。

知识图谱引入：什么是知识图谱？

知识图谱是一种揭示实体之间关系的语义网络，描述真实世界中存在的各种对象及其关系，用节点表示对象，边则由属性或关系构成。知识图

谱以本体为核心，以三元组模式为基础框架，全面体现实体、属性、关系等多颗粒度多层次的语义关系。

知识图谱与传统知识库

对应解决问题

相比具有的三大特征

结构化语义关系图结构形式可视化知识体系

通过图结构关系，构建可视化知识

可呈现为有向图结构化的形式

体系，呈现知识关联关系

统一的结构化的表现形含有丰富的语义信息，

式，机器可读，对人类方便定义概念、属性、

友好。实体之间关系。高效的检索能力知识精准定位

可将概念、实体及其关系结构化组根据知识图谱的结构化知识存储形

织起来，具有高效检索能力式，可实现知识精准检索定位

多方调用图操作

智能化推理能力知识智能关联

可从已有知识中挖掘和推理多基于图谱结构进行知识补齐，实现

构建之后可以作为背景丰富关联信息，天然具维的隐含知识相关知识智能关联推送

知识直接供下游应用使有图的各种特征，可以

用。进行图的相关操作。

知识图谱引入：知识图谱融合大模型的可行性

知识图谱能够为通用大模型的工业化应用提供行业领域的知识支撑，弥补通用大模型语料里

专业领域知识的不足。

利用知识图谱中的知识构建测试集,可对大模型的生成能力进行各方面的评估，降低事实性

错误的发生概率。

知

互大