文章详情

摘要

中医药食疗是中华民族的传统瑰宝，在疾病预防与健康维护方面具有独特价值。然而，由于其知识体系较为复杂、专业术语繁多，普通用户在理解和应用时常常遇到困难。本文提出一种融合知识图谱与大语言模型的中医药食疗对话系统。该系统通过构建结构化知识图谱确保专业性与准确性，并利用DeepSeek模型生成自然流畅的回答，实现了专业知识与良好交互体验的有机结合。基于5分制下10个大模型的综合评估，系统在专业性、相关性上的评分为4.59，准确性评分为4.46，其在专业领域问答中具备一定的实用价值。

关键词

中医药食疗；知识图谱；大语言模型；对话系统；智能问答

参考文献

1. [1] 范丽娟.中医药食疗对人体的调理作用及其体会 [J].中国民族民间医药，2009，18（21）：81-82.
2. [2] 杨一帆，刘忠博，周玉新.中医知识图谱构建及应用综述 [J].软件导刊，2025，24（8）：17-26.
3. [3] Devlin J，Chang M W，Lee K，et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding [C]//Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies，2019：4171-4186.
4. [4] Liu Y H，Ott M，Goyal N，et al. RoBERTa: A Robustly Optimized BERT Pretraining Approach [PP/OL].arXiv:1907.11692[cs.CL].https://arxiv.org/abs/1907.11692?ref = gptechblog.com.
5. [5] Raffel C，Shazeer N，Roberts A，et al. Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer [PP/OL].arXiv:1910.10683 [cs.LG].https://arxiv.org/abs/1910.10683?ref = joe-cecil.com.
6. [6] Pan S，Luo L，Wang Y，et al. Unifying Large Language Models and Knowledge Graphs: A Roadmap [J].IEEE Transactions on Knowledge and Data Engineering，2024，36（7）：3580-3599.
7. [7] 闵瑞，姜丹，王永刚.基于LangChain与大模型的医疗问答系统研究 [J].计算机科学与应用，2025，15（2）：33-43.
8. [8] 张宝一，唐嘉成，张彤蕴，等.大语言模型赋能的地质找矿知识图谱与问答模型构建 [J].地球科学，2026，51（3）：982-995.
9. [9] Guan X Y，Liu Y J，Lin H Y，et al. Mitigating Large Language Model Hallucinations via Autonomous Knowledge Graph-based Retrofitting [C]//Proceedings of the AAAI Conference on Artificial Intelligence，2024，38（16）：18126-18134.
10. [10] Mondal D，Modi S，Panda S，et al. Kam-cot: Knowledge Augmented Multimodal Chain-of-thoughts Reasoning [C]//Proceedings of the AAAI Conference on Artificial Intelligence，2024，38（17）：18798-18806.
11. [11] 刘峤，李杨，段宏，等.知识图谱构建技术综述 [J].计算机研究与发展，2016，53（3）：582-600.
12. [12] 马昂，于艳华，杨胜利，等.基于强化学习的知识图谱综述 [J].计算机研究与发展，2022，59（8）：1694-1722.
13. [13] 张海立，曹士圯，郭祖龙.LangChain实战 [M].电子工业出版社：2024.
14. [14] Topsakal O，Akinci T C. Creating Large Language Model Applications Utilizing LangChain: A Primer on Developing LLM Apps Fast [C]//International Conference on Applied Engineering and Natural Sciences，2023，1（1）：1050-1056.
15. [15] Jung T，Joe I. An Intelligent Docent System with a Small Large Language Model (sLLM) Based on Retrieval-Augmented Generation (RAG) [J/OL].Applied Sciences，2025，15（17）：9398.https://doi.org/10.3390/app15179398.

基金项目

辽宁省2024年度社科规划基金项目（L24BTQ002）；大连民族大学2025年本科教育教学改革研究项目（ZBA202507）；2025年辽宁省大学生创新创业训练计划课题（202512026124）

作者简介

潘海燕（2004—），女，汉族，广西来宾人，本科在读，研究方向：知识图谱、数据挖掘；通信作者：孟佳娜（1972—），女，汉族，吉林四平人，教授，博士研究生，研究方向：机器学习和文本挖掘。