计算机应用

作者：黄奕明, 邹喜华, 邓果, 郑狄

单位：1.西南交通大学 信息科学与技术学院，成都 611756；2.成都锦西数智科技有限公司，成都 611756

关键词：检索增强生成,知识图谱,自然语言处理,问答系统,大语言模型,垂直领域

基金：轨道交通光电融合通信与感知四川省青年科技创新研究团队项目(2022JDTD0013)

现有的检索增强生成（RAG）问答系统在特定领域应用时，存在检索路径单一、用户潜在意图覆盖不足和召回文段质量低导致的系统回答准确性低与不全面的问题。因此，提出一种双阶段优化方法——预回答与召回过滤（PARF）。首先，通过结合领域知识图谱与提示工程技术，引导大语言模型（LLM）生成预回答，构建“原始查询→预回答→相关文段”的多向检索路径，从而扩展原始查询的语义空间；其次，利用BERT（Bidirectional Encoder Representations from Transformers）模型对召回文段进行相关性评分与过滤，实现检索与生成阶段的协同优化，提升有效信息的密度。实验结果表明，相较于基线方法DPR-LLM（Dense Passage Retrieval with LLM）构建的RAG问答系统，PARF方法构建的RAG问答系统的一致性指标F1和ROUGE-L（Recall-Oriented Understudy for Gisting Evaluation-L）在轨道交通问答数据集上分别提升19.8和41.5个百分点，在医药问答数据集上分别提升16.1和17.6个百分点，效果指标正确率分别提升10.2和8.8个百分点。

来源：2026年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第3期