BEST-KAG：利用多模态知识图谱建模与大语言模型增强建筑工程标准问答

arXiv cs.AI 论文
question-answering knowledge-graph multimodal building-engineering large-language-model retrieval-augmented-generation construction-standards

摘要

本文介绍了BEST-KAG，一种面向建筑工程标准问答的多模态知识驱动框架，利用多模态知识图谱和基于图检索的生成技术，提高了条款级可追溯性，并超越了多种大语言模型。

arXiv:2608.11244v1 公告类型：新 摘要：建筑工程标准对建筑安全与可持续性至关重要。现有的标准应用工作流依赖于基于关键词的文档检索和人工跨条款解释，无法可靠地支持多条款推理、多模态知识利用或可追踪的条款级证据关联。为解决这些局限，本研究开发了一种支持标准知识问答的多模态知识驱动框架，命名为BEST-KAG（面向建筑工程标准的知识增强生成）。该框架引入了：1）多模态知识图谱（MKG），用于统一表示文档层级和具有各种连接的异质标准知识；2）规则-大语言模型混合知识构建流水线，用于可扩展的多模态知识提取，构建了一个包含251项建筑工程标准、171,652个节点和310,914条边的大型MAG；3）基于图检索的知识增强生成架构，用于条款级可追溯的问答。实验表明，BEST-KAG在专家评估以及BLEU、ROUGE等指标上始终优于多种主流大语言模型，相比基线最高提升了74.01%。
查看原文
查看缓存全文

缓存时间: 2026/08/13 15:24 

# BEST-KAG：利用多模态知识图谱建模与大语言模型增强建筑工程标准问答

来源：https://arxiv.org/abs/2608.11244  
查看 PDF (https://arxiv.org/pdf/2608.11244)

> 摘要：建筑标准对于建筑安全和可持续性至关重要。现有的标准应用流程依赖于基于关键词的文档检索和人工跨条款解读，无法可靠地支持多条款推理、多模态知识利用或可追溯的条款级证据链接。为解决这些局限性，本研究开发了一个多模态知识驱动的框架，用于支持标准知识的问答，命名为BEST-KAG（Knowledge-Augmented Generation for Building Engineering STandards）。该框架引入了：1）多模态知识图谱（MKG），用于统一表示文档层次结构和具有各种关联的异构标准知识；2）规则-LLM混合知识构建流水线，用于可扩展的多模态知识提取，构建了一个包含251项建筑工程标准、171,652个节点和310,914条边的大型MAG；3）基于图检索的知识增强生成架构，用于条款依据明确且可追溯的问答。实验表明，在专家评估以及BLEU、ROUGE等指标方面，BEST-KAG始终优于多个主流LLM，与基线相比最佳改进幅度达74.01%。

## 提交历史

来自：Jia-Rui Lin \[查看电子邮件 (https://arxiv.org/show-email/4b4e144d/2608.11244)\] **\[v1\]** 2026年8月2日星期日 10:27:15 UTC（1,721 KB）

相似文章

KARLA: 基于知识库增强检索的语言模型

arXiv cs.AI

KARLA 提出了一种方法，让大型语言模型在生成过程中查询知识库，从而无需重新训练即可更新事实知识，并提高透明度。实验表明，该方法在短文本和长文本生成中均提升了事实依据性。