基于大模型验证增强的产业链知识图谱构建研究学术报告

作者及发表信息
本研究由郑州大学计算机与人工智能学院的郑傲泽、张坤丽（通信作者）、李云龙、王影、袁颂瑞、吴鹏程、贾玉祥、昝红英合作完成，发表于《计算机科学与探索》（Journal of Frontiers of Computer Science and Technology），网络首发时间为2025年8月28日，DOI编号为10.3778/j.issn.1673-9418.2505073。研究得到国家自然科学基金联合基金重点项目（U23A20316）支持。

学术背景
研究领域为自然语言处理（NLP）与知识图谱（Knowledge Graph）的交叉应用，聚焦产业链分析场景。当前产业链研究依赖人工整理文本报告，存在效率低、动态更新难、计算机可计算性差等问题。知识图谱虽能结构化表征产业关系，但传统方法面临领域数据稀缺、非结构化文本抽取精度不足等挑战。大语言模型（Large Language Model, LLM）虽在通用NLP任务中表现优异，但直接应用于产业链领域时易出现“幻觉”（hallucination）、输出不稳定、缺乏领域规则约束等问题。

本研究以速冻食品产业链为切入点，提出双视角知识图谱架构（企业级与产业级）和验证增强的大模型抽取框架（VRTE-LLM），旨在解决以下问题：
1. 如何高效从多源异构数据（结构化表格与非结构化文本）中抽取产业链知识；
2. 如何通过大模型微调与规则验证提升领域适应性；
3. 如何构建动态更新的产业链知识图谱以支持量化分析与趋势预测。

研究流程与方法
研究分为概念层设计、数据层构建、框架验证三阶段，具体流程如下：

1. 概念层设计

   • 数据来源：基于《国民经济行业分类》等官方文件定义产业术语，调研河南省速冻食品产业链，划分上游（农牧渔业）、中游（食品加工）、下游（冷链物流与零售）三大环节。
     
   • 双视角架构：
     
     • 企业级图谱：以企业为节点，包含“企业-产品”“企业-竞争”等38种子关系，覆盖企业属性（如财务、风险）与关联（如供应、投资）。
       
     • 产业级图谱：以产业为节点，通过企业归属关系映射产业间关联，形成宏观产业链网络。
       
   • Schema定义：设计6类核心实体（企业、产品、事件等）和11类主关系，经领域专家评估后形成标注规范。
     

2. 数据层构建

   • 数据采集：
     
     • 结构化数据：来自天眼查、企查查的企业表格数据（163份企业信息、86份财务数据）。
       
     • 非结构化数据：企业年报（64份）、招投标文件（267份）、新闻文本（8630条）等，总计47万字。
       
   • 预处理：去重、补全缺失实体、正则过滤广告文本。
     
   • 结构化数据处理：
     
     • 采用LLM指令微调，将表格转换为三元组，构建产业链标注语料库（CERIC）。提示模板注入领域规范，例如：“<三全食品（公司名称）-属于-速冻食品行业（行业）>”。
       
   • 非结构化数据处理：
     
     • 提出VRTE-LLM框架，包含四步：
       
     1. LoRA微调：基于CERIC语料库，对Qwen2.5/DeepSeek-R1模型进行低秩适配（Low-Rank Adaptation），仅训练16维参数矩阵，降低计算成本（公式1：𝑊′ = 𝑊 + 𝐴𝐵）。
        
     2. 初步验证：通过LLM修正三元组的完整性错误（如缺失实体）和偏差错误（如关系类型不符标注规范），提示模板如公式2：𝑃𝑟𝑜𝑚𝑝𝑡 = 𝑇𝑡𝑎𝑠𝑘[𝑆𝐸𝑃]𝑐𝑖[𝑆𝐸𝑃]𝑅𝑢。
        
     3. 规则验证：动态加载预定义规则库（如“企业-供应关系需指向具体产品”），筛选合法三元组（公式4：𝑅𝐿𝑖 = ∑𝑅𝑈𝐿𝐸(𝑡𝑖𝑗)∙𝑟）。
        
     4. 一致性校验：通过3轮迭代反馈消除LLM输出不稳定问题。
        

3. 实验与结果

   • 对比实验：VRTE-LLM在实体识别（F1=80.9%）和关系抽取（F1=83.9%）任务中显著优于基线模型（CASREL、UIE、ChatGPT-4），统计显著性p<0.01。
     
   • 消融实验：验证增强三阶段（偏差修正、事实验证、一致性校验）分别贡献F1提升6.5%、11.9%、9.1%。
     
   • 产业环节差异：中游食品加工数据表现最佳（F1=85.9%），下游零售文本因广告干扰效果稍弱（F1=82.2%）。
     
   • 图谱构建结果：最终知识图谱包含39,627个三元组，覆盖70余家企业、四大产业领域，通过Neo4j实现可视化查询（如图5展示产业级供应网络）。
     

结论与价值
1. 理论贡献：
- 提出“产业-企业”双视角图谱架构，实现宏观产业网络与微观企业关系的统一表征。
- 设计VRTE-LLM框架，结合LoRA微调与多轮验证，解决LLM在专业领域的幻觉与不稳定问题。
2. 应用价值：
- 为政府产业政策制定、企业竞争分析提供动态知识支持，例如通过供应链风险传导路径识别关键节点。
- 方法论可扩展至其他垂直领域（如金融、医疗）的知识图谱构建。

研究亮点
1. 方法创新：首次将验证增强机制引入LLM知识抽取，通过规则库与迭代反馈提升领域适应性。
2. 数据规模：构建目前最大的中文速冻食品产业链知识图谱（CERIC语料库+3.9万三元组）。
3. 工程实践：开源标注规范与部分代码，推动产学界在动态知识图谱领域的协作。

未来方向
1. 结合事理图谱（Event Graph）实现产业链动态事件推理；
2. 探索小样本场景下的模型迁移能力。

（注：全文符合类型a要求，聚焦单一原创研究，涵盖背景、方法、结果、结论全流程，字数约1800字。）