基于知识图谱检索增强生成的智能审计问答方法及系统

本发明涉及自然语言处理、知识工程与建设项目审计领域，尤其涉及一种基于知识图谱检索增强生成的智能审计问答方法及系统。

背景技术：

1、审计人员在开展建设项目的审计判断时，需要综合查阅法律法规、政策文件、行业规范等多类资料。上述资料来源分散且内容庞杂，导致审计知识难以被高效检索、关联和利用。

2、知识图谱、rag和大语言模型已逐步应用于审计领域，相关研究表明其在知识组织、语义检索和自然语言生成方面具有较大潜力。然而，面向审计问答的实际需求，现有研究仍存在以下不足：

3、（1）不同粒度审计知识组织仍不充分。现有审计知识图谱研究多侧重风险识别、舞弊分析或特定审计任务，尚未充分覆盖法律法规、政策文件、审计报告等多源资料的统一建模，而知识组织停留在实体网络、条款文本或文档访问链接的局部组合，难以同时支撑法规条文定位和相似审计案例追溯等复合问答需求。

4、（2）自然语言问题到图谱知识单元的映射不稳定。已有研究尝试利用大语言模型生成cypher查询，但该任务仍处于发展阶段。现有方法难以将类型多样、表达方式不一的审计问题准确映射至图谱中的节点标签、节点名称、关系类型和属性名称，导致生成的cypher可能因内容错误而无法执行，或虽能执行却无法返回用户所需知识。

5、（3）cypher查询的执行前安全控制不足。现有自然语言图数据库问答研究更多关注查询生成准确率，对生成语句进入数据库执行前的安全控制关注不足。若缺乏只读约束和危险语句过滤，大语言模型生成的cypher可能包括增删改操作，影响审计知识图谱的稳定性和可靠性。

6、（4）大语言模型受约束生成机制不足。普通rag主要依赖文本片段召回，graphrag虽强化了图结构利用，但在审计问答中仍需解决回答必须依据检索证据、不得脱离审计领域、不得编造资料的问题。现有研究尚未形成面向审计图谱检索结果的强约束回答生成闭环。

技术实现思路

1、旨在至少解决现有技术中存在的技术问题之一，本发明提供一种基于知识图谱检索增强生成的智能审计问答方法及系统。

2、本发明的一方面提供了一种基于知识图谱检索增强生成的智能审计问答方法，包括：

3、根据顶层概念体系对审计文本资料进行知识抽取，得到审计知识图谱，所述顶层概念体系根据审计流程、审计特征以及专家意见确定，所述审计知识图谱包括多类型实体、关系及属性，将审计文本资料的段落级内容和原始文档的唯一访问链接作为节点属性值；

4、根据用户问题，通过审计知识图谱和大语言模型并依次采用精确命中、扩展召回及意图确认进行用户问题要素映射，得到用户问题要素映射结果；

5、对识别得到的用户问题关键要素采用大语言模型生成cypher，同时对生成cypher执行三类校验，得到待检索cypher查询语句，其中三类校验包括安全性校验、语法校验及内容校验；

6、对所述待检索cypher查询语句执行标准化后通过neo4j图数据库进行知识检索，得到检索证据，其中图数据库用于存储所述审计知识图谱；

7、根据检索证据和用户问题采用大语言模型以模板化方式构建提示词，根据提示词、审计领域约束及用户问题生成审计问答结果。

8、根据所述的基于知识图谱检索增强生成的智能审计问答方法，其中根据顶层概念体系对审计文本资料进行知识抽取，得到审计知识图谱，包括：

9、将不同类型的审计文本资料转换为统一文件格式，并为每个审计文本资料生成唯一访问链接；

10、对审计文本资料进行知识抽取，得到关系型三元组和属性型三元组，其中关系型三元组包括头实体、关系及尾实体，属性型三元组包括实体、属性及属性值；

11、将抽取的多类型实体、关系信息及属性信息存储至图数据库，同时将审计文本资料的名称标识作为审计知识图谱中的部分节点，将段落级内容和原始文档唯一访问链接作为节点属性值进行写入，得到审计知识图谱。

12、根据所述的基于知识图谱检索增强生成的智能审计问答方法，其中方法还包括：

13、获取所述审计知识图谱中所有节点信息和所有关系型三元组，得到审计节点表和审计三元组表，其中审计节点表包括节点标签和节点名称，审计三元组表包括头节点名称、头节点标签、关系名称、尾节点名称及尾节点标签；

14、对节点名称根据专家知识和审计业务语料生成别名，根据节点标签、节点名称及别名生成审计别名映射表。

15、根据所述的基于知识图谱检索增强生成的智能审计问答方法，其中根据用户问题，通过审计知识图谱和大语言模型并依次采用精确命中、扩展召回及意图确认进行用户问题要素映射，得到用户问题要素映射结果，包括：

16、所述精确命中包括获取所述审计节点表，对节点标签与节点名称组合进行去重，得到标准节点集合；对标准节点集合通过aho-corasick多模式匹配自动机进行匹配，得到命中节点；

17、所述扩展召回包括对审计三元组表执行别名映射、模糊匹配与三元组遍历，得到候选节点、候选三元组以及可查询属性规则；

18、所述意图确认包括将用户问题、命中节点、候选节点、候选三元组以及可查询属性规则整理为结构化json数据，调用大语言模型对json数据执行以下处理：

19、从候选节点和候选三元组中筛选与用户意图最相关的知识元素；

20、判断cypher查询时是否需要以及返回何种节点属性；

21、生成用于cypher查询的json格式用户问题要素映射结果。

22、根据所述的基于知识图谱检索增强生成的智能审计问答方法，其中对识别得到的用户问题关键要素采用大语言模型生成cypher，同时对生成cypher执行三类校验，包括：

23、将json格式用户问题要素映射结果采用大语言模型并通过提示词模板和审计知识图谱schema约束生成待检索cypher查询语句，其中审计知识图谱schema包括基于顶层概念体系的约束；

24、对生成的待检索cypher查询语句执行安全性校验、语法校验及内容校验，其中安全性校验包括采用正则匹配对禁止性关键词进行校验，语法校验包括对待检索cypher查询语句调用语法检测接口进行基本书写规则的校验，内容校验包括对待检索cypher查询语句超过用户意图的节点信息进行校验。

25、根据所述的基于知识图谱检索增强生成的智能审计问答方法，其中对待检索cypher查询语句执行标准化后通过neo4j图数据库进行知识检索，得到检索证据，其中图数据库用于存储所述审计知识图谱，包括：

26、根据查询场景，对待检索cypher查询语句进行查询任务的标准化处理，并再次执行安全性校验，得到标准化查询任务，其中查询场景用于表征待检索cypher查询语句为单条查询和多条查询中的一种；

27、通过neo4j图数据库进行知识检索，将得到检索结果根据查询场景进行聚合，得到检索证据。

28、根据所述的基于知识图谱检索增强生成的智能审计问答方法，其中根据检索证据和用户问题采用大语言模型以模板化方式构建提示词，根据提示词、审计领域约束及用户问题生成审计问答结果，包括：

29、接收检索证据，对检索证据进行文本化处理，得到文本化数据，其中文本化数据包括可读json文本和字符串；

30、采用大语言模型确定用户问题的领域分类，当领域分类属于审计领域时，通过检索证据生成审计问答结果；

31、若未能获取检索证据时，通过大语言模型进行联网获取外部知识生成审计问答结果，并展示外部知识来源。

32、本发明的另外一方面提供了一种基于知识图谱检索增强生成的智能审计问答系统，包括：

33、第一模块，用于根据顶层概念体系对审计文本资料进行知识抽取，得到审计知识图谱，所述顶层概念体系根据审计流程、审计特征以及专家意见确定，所述审计知识图谱包括多类型实体、关系及属性，将审计文本资料的段落级内容和原始文档的唯一访问链接作为节点属性值；

34、第二模块，用于根据用户问题，通过审计知识图谱和大语言模型并依次采用精确命中、扩展召回及意图确认进行用户问题要素映射，得到用户问题要素映射结果；

35、第三模块，用于对识别得到的用户问题关键要素采用大语言模型生成cypher，同时对生成cypher执行三类校验，得到待检索cypher查询语句，其中三类校验包括安全性校验、语法校验及内容校验；

36、第四模块，用于对所述待检索cypher查询语句执行标准化后通过neo4j图数据库进行知识检索，得到检索证据，其中图数据库用于存储所述审计知识图谱；

37、第五模块，用于根据检索证据和用户问题采用大语言模型以模板化方式构建提示词，根据提示词、审计领域约束及用户问题生成审计问答结果。

38、本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；

39、所述存储器用于存储程序；

40、所述处理器执行所述程序实现如前文所描述的方法。

41、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前文所描述的方法。

42、本发明的有益效果为：本技术的技术方案构建了全链路可解释的审计知识问答体系，包括以审计知识图谱为底座，结构化组织审计主体、依据、证据及风险等实体，并关联段落与文档访问链接属性，实现知识的多粒度系统管理；通过精确匹配、扩展召回及意图确认的三层次用户问题要素映射方法，利用大模型在候选集内精准锁定目标节点、关系与属性，显著提升自然语言问题与图谱知识的对齐度；基于图谱schema约束大模型生成逻辑，并设立生成、校验及修正闭环机制，通过安全、语法、内容三重校验，确保待检索cypher查询语句的可执行性与安全性；将图数据库检索结果转化为结构化证据，驱动大模型生成可溯源的自然语言回答，实现了审计问答的精准性、安全性与可解释性的统一。