领学术科研之先，创食品科技之新
—— 中国食品杂志社
本研究提出基于邻域增强的大语言模型（large language model，LLM）知识图谱补全框架（neighborhood-enhanced large language model-knowledge graph completion，NELLM-KGC），旨在增强对食品安全标准领域复杂关联的推理能力。NELLM-KGC首先采用图结构化表示方式高效整合法规、标准限值、检测方法等关键异构数据，构建中文食品安全标准知识图谱。其次，采用引导式方法将传统的KGC任务转化为自然语言问答形式，并通过指令微调策略优化模型对中文食品标准领域任务的适应能力。为了提升推理的精确性，NELLM-KGC基于图剪枝算法设计了邻域信息融合机制，依托知识图谱检索器与LLM的双阶段筛选，从实体邻域中精准捕获与推理路径强相关的前m 个邻域节点信息（Top-m）证据链并进行精细化微调。本研究在公共知识图谱数据集（如FB15k-237、WN18RR）和自定义的食品安全标准数据集上进行了广泛验证，结果表明，NELLM-KGC在三元组分类准确率、实体预测Hits@1和关系预测Hits@1等关键指标上均表现出较好的性能，证明了该框架的有效性。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
电话: 010-87293157
地址: 北京市丰台区洋桥70号
版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2
