融合RAG与知识图谱的中医问答模型

摘要：随着中医药信息化发展，非结构化文本(如古籍、病历)的高效管理需求凸显，传统问答系统受规则匹配和大模型“幻觉”限制。文章提出基于检索增强生成(Retrieve Augmented Generation, RAG)的中医问答模型，融合大语言模型(Large Language Models, LLM)、向量数据库与知识图谱。系统通过命名实体识别抽取药材、方剂、病症等实体，利用图神经网络构建关系图谱，支撑复杂语义查询。检索层结合向量语义检索与BM25(Best Matching 25)算法，并借助知识图谱增强上下文相关性。在中医问答数据集测试中，系统回答准确率达78%,混合检索机制相较单一向量检索提升31%,验证了多模态检索在中医问答中的有效性。