融合知识图谱和大语言模型的虚假健康信息识别方法研究.pdfVIP

Informationstudies:TheoryApplication

StudyofPracticalExperience127

Vol.48No.3(Mar.2025)

●杨雅娴,吴金红,吴彦坤,任晓露,张星(武汉纺织大学管理学院,湖北武汉430200)

融合知识图谱和大语言模型的虚假健康信息识别方法研究∗

摘要:[目的/意义]构建一种基于大语言模型和知识图谱的健康信息识别模型,旨在提升健康信息识别的准确

性和信度。[方法/过程]首先,采用在权威平台上发布的公开健康信息数据集来构建知识图谱,作为领域知识;然后,

设计5组实验,包括决策树、支持向量机、逻辑回归模型、GPT和KG-LLM;最后,采用552条来自权威辟谣平台的已

标注辟谣信息作为验证样本进行试验,并对5组实验的结果进行比较分析。[结果/结论]所构建的KG-LLM虚假健康信

息识别模型在准确性方面表现卓越,其准确率达到98.35%,这一结果相较于决策树、支持向量机、逻辑回归模型分别

提升了14.78%、3.24%和12.33%。与GPT模型相比,其准确率也提升了4.80%。此外,在其他的评估指标上,KG-

LLM模型相较于GPT模型也显示出了优势。这一结果充分证明了知识图谱作为领域知识,有助于消除LLM中存在的幻

觉。将大语言模型与知识图谱相结合,用于提高健康信息识别的准确性。

关键词:虚假健康信息;ChatGPT;KG-LLM;机器学习;知识图谱

DOI:10.16353/ki.1000-7490.2025.03.015

引用格式:杨雅娴,吴金红,吴彦坤,任晓露,张星.融合知识图谱和大语言模型的虚假健康信息识别方法研究

[J].情报理论与实践,2025,48(3):127-133.

ResearchonFalseHealthInformationRecognitionMethodIntegratingKnowledgeGraph

andLargeLanguageModel

YangYaxian,WuJinhong,WuYankun,RenXiaolu,ZhangXing

(SchoolofManagement,WuhanTextileUniversity,HubeiWuhan430200)

Abstract:[Purpose/significance]Thepresentstudyaimstoconstructahealthinformationrecognitionmodelbasedonlarge

languagemodelsandknowledgegraphs,withtheintentionofenhancingtheaccuracyandreliabilityofhealthinformationidentifica-

tion.[Method/process]Initially,aknowledgegraphwasconstructedutilizingpublichealthinformationdatasetspublishedonau-

thoritativeplatforms,servingasdomain-specificknowledge.Subsequently,fiveexperimentalgroupsweredesigned,includingDe-

cisionTree,SupportVectorMachine,LogisticRegression,GPT,andKG-LLM.Finally,averi