领域知识驱动的LightRAG方法应用——以南水北调中线工程巡检决策为例

摘要

针对南水北调中线工程巡检数据结构复杂、知识分散与标注稀缺的实际，采用领域知识驱动的轻量化检索增强生成方法（lightweight retrieval-augmented generation,LightRAG），以提升巡检识别智能化水平与巡检决策生成能力。利用标注工具进行少量巡检数据标注以增加专家知识；采用基于微调的大语言模型ERNIE 3.0的通用信息抽取框架（universal information extraction, UIE）提取实体关系三元组；通过调用大语言模型DeepSeek-R1结合LightRAG内的图结构索引与增量更新算法，动态构建水利工程巡检知识图谱，进而利用DeepSeek-R1的语义推理能力，结合LightRAG的双层检索机制，增强决策生成。结果显示：UIE-base模型精确率为93.17%、召回率为89.63%、F1值为91.37%，较其他UIE模型表现更优。通过专家评审，验证了LightRAG输出结果的参考价值与决策实用性（专家评分8.3/10）。研究为垂直领域大模型与知识图谱融合应用提供了轻量化技术方案。

关键词

南水北调中线工程 / 巡检数据 / 领域知识驱动 / LightRAG / 巡检知识图谱 / 决策生成