作者
钟云飞,王 楠,刘 洋,董 方
文章摘要
在人工智能蓬勃发展的当下，垂直领域大模型虽取得一定进展，但在专业化能力方面仍存在不足。本文以烟草行业为研究对象，针对其专业性强、知识动态变化的特点，提出 “知识注入 + 知识挂载” 的双轨增强方法用于构建烟草行业大模型。通过构建标准化的烟草专业语义网络，设计基于动态知识图谱的挂载架构，并结合基于注意力机制的知识注入算法，实现领域知识与大模型参数的深度协同优化。在潍烟百科 AI 平台的实践验证中，该方法在烟草专业问答任务上准确率提升至91.2%，相较于传统方法提高 18.7%，F1值达到90.4%，提升21.3% ，在响应时间上也有显著优势，为垂直领域大模型的专业化发展提供了新思路与有效方案。
文章关键词
烟草行业；大模型；知识注入；知识挂载；语义网络；动态知识图谱
参考文献
[1] 刘焕勇.KG+RAG 系列范式对比及 KAG 框架再思考[J].计算机应用研究,2024(12):1-10.
[2] 国家烟草专卖局.烟草术语[M].北京:中国标准出版社,2002.
[3] Vaswani A,et al.Attention Is All You Need[C].NeurIPS,2017.
[4] 考拉悠然.维检通:烟草工业设备预测性维护系统[R].2024.
[5] 东方烟草网.山东中烟济南卷烟厂卷包车间完成 DeepSeek 大模型本地化部署[EB/OL].2025-04-25.
Full Text:
DOI
